論文の概要: Teleopit: A Full-Embodiment Humanoid Teleoperation System

• arxiv url: http://arxiv.org/abs/2608.01834v1
• Date: Mon, 03 Aug 2026 07:45:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.386619
• Title: Teleopit: A Full-Embodiment Humanoid Teleoperation System
• Title（参考訳）: Teleopit:フルエンボディーのヒューマノイド遠隔操作システム
• Abstract要約: 我々は、体、手、信号をVRからヒューマノイド体にマッピングするフルエンボディーメント遠隔操作システムであるTeleopitを紹介した。 ヒストリーエンコーダとフェールアウェア・リウインドサンプリングは、モーションキャプチャーとライブVR参照の両方のモーショントラッカーを改善する。 ACTとGRT N1.7は、Teleopitで収集された96のデモで訓練され、それぞれ90.0%と95.0%のタスク成功率を達成した。
• 参考スコア（独自算出の注目度）: 3.436474641224862
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid teleoperation for demonstration collection requires coordinated whole-body motion, continuous dexterous hand control, and viewpoint control. Existing systems either simplify hand commands or depend on dedicated wearable sensors for fine-grained hand motion. We introduce Teleopit, a full-embodiment teleoperation system that maps body, hand, and head signals from VR to a humanoid body, configurable dexterous hands, and a 2-DoF active vision module. A history encoder and failure-aware rewind sampling improve the motion tracker on both motion-capture and live VR references. An optimization-based hand retargeter combines normalized finger directions, fingertip closure, and thumb-frame alignment to map human hand motion to different dexterous hands without tuning hand-specific objective or solver hyperparameters. Component experiments evaluate tracking success rate and retargeting behavior, while real-robot teleoperation demonstrates coordinated locomotion, manipulation, and viewpoint control. ACT and GR00T N1.7 policies trained on 96 successful demonstrations collected with Teleopit achieve task success rates of 90.0% and 95.0%, respectively, when deployed on the humanoid. The project page is available at https://botrunner64.github.io/teleopit-page.
• Abstract（参考訳）: デモコレクションのためのヒューマノイド遠隔操作には、調整された全身の動き、連続的な手動制御、視点制御が必要である。 既存のシステムは手コマンドを単純化するか、手の動きを細かくするための専用のウェアラブルセンサーに依存している。 身体、手、頭部の信号をVRからヒューマノイド体にマッピングするフルエンボディーメント遠隔操作システムであるTeleopitを導入し、2-DoFアクティブビジョンモジュールを構成可能とした。 ヒストリーエンコーダとフェールアウェア・リウインドサンプリングは、モーションキャプチャーとライブVR参照の両方のモーショントラッカーを改善する。 最適化に基づくハンドリターゲターは、正常化された指の方向、指先閉鎖、親指フレームアライメントを組み合わせて、手固有の目標やソルバハイパーパラメータをチューニングすることなく、人間の手の動きを異なる外見の手にマッピングする。 コンポーネント実験は成功率と再目標行動を評価する一方,実ロボット遠隔操作は協調した移動,操作,視点制御を示す。 ACT と GR00T N1.7 は、Teleopit で収集した96のデモで訓練され、それぞれ 90.0% と 95.0% のタスク成功率を達成した。 プロジェクトページはhttps://botrunner64.github.io/teleopit-pageで公開されている。

関連論文リスト

• Towards Human-level Dexterous Teleoperation [62.77371751776912]
  人レベルのデキスタラス遠隔操作は、動的手動物体接触による物体の動きを正確に制御する必要がある。 我々は,操作者の意図を学習された低レベルのコンタクト実行にマッピングするハンドオブジェクト・コトラッキング・コントローラであるTeleDexterを紹介した。 我々はTeleDexterを、物体の向きを変える7つの難易度遠隔操作タスクと、両手にわたる長距離ツールを用いて評価した。
  論文  参考訳（メタデータ） (2026-07-13T12:36:47Z)
• AnyDexRT: Calibration-Free Dexterous Hand Retargeting with Few-Shot Human Guidance [52.973947477815614]
  AnyDexRT は人のような器用な手間で直感的な器用な遠隔操作を行うキャリブレーションのない手法である。 実験によると、AnyDexRTは品質を改善し、手動チューニングを減らし、従来の方法よりも直感的で効率的な制御を提供する。
  論文  参考訳（メタデータ） (2026-07-09T10:29:53Z)
• Immersive Social Interaction with VR and LLM-Assisted Humanoids [8.355232835265982]
  本稿では,音声制御された移動,VRによる操作,および全身ヒューマノイド制御のための双方向ソーシャルインタラクションを統合した没入型遠隔操作フレームワークを提案する。 オペレーターはApple Vision Proを使って、エゴセントリックな視覚フィードバックを受け取り、自然言語の移動コマンドを発行し、手首と指のトラッキングを通じてロボットの腕と器用な手を遠隔操作する。 我々は,操作作業や社会的相互作用作業において,器用な手を備えたUnitree H1ヒューマノイドの枠組みを評価する。
  論文  参考訳（メタデータ） (2026-07-08T14:00:51Z)
• TWIST2: Scalable, Portable, and Holistic Humanoid Data Collection System [79.48781507497769]
  既存のヒューマノイド遠隔操作システムは、分離された制御を使用するか、高価なモーションキャプチャー装置に依存している。 本稿では,携帯型モキャップフリーなヒューマノイド遠隔操作・データ収集システムであるTWIST2を紹介する。 長軸的,移動的ヒューマノイドスキルを実証し,約100%の成功率で15分で100個のデモを収集できる。
  論文  参考訳（メタデータ） (2025-11-04T18:58:35Z)
• Feel the Force: Contact-Driven Learning from Humans [52.36160086934298]
  操作中のきめ細かい力の制御は、ロボット工学における中核的な課題である。 We present FeelTheForce, a robot learning system that model human tactile behavior to learn force-sensitive control。 提案手法は,5つの力覚的操作タスクで77%の成功率を達成した,スケーラブルな人間の監督において,堅牢な低レベル力制御を実現する。
  論文  参考訳（メタデータ） (2025-06-02T17:57:52Z)
• TWIST: Teleoperated Whole-Body Imitation System [28.597388162969057]
  全身動作模倣によるヒューマノイド遠隔操作システムTWISTについて述べる。 我々は,強化学習と行動クローニングを組み合わせた,頑健で適応的で応答性の高い全身制御装置を開発した。 TWISTは、現実世界のヒューマノイドロボットが、前例のない、多目的で、調整された全身運動能力を達成できるようにする。
  論文  参考訳（メタデータ） (2025-05-05T17:59:03Z)
• HOMIE: Humanoid Loco-Manipulation with Isomorphic Exoskeleton Cockpit [52.12750762494588]
  本稿では,半自律遠隔操作システムHOMIEを紹介する。 ペダルにマッピングされた身体制御のための強化学習ポリシー、腕制御のための異形外骨格アーム、手操作のためのモーションセンシンググローブを組み合わせている。 このシステムは完全なオープンソースであり、デモとコードはhttps://homietele.org/.com/で見ることができる。
  論文  参考訳（メタデータ） (2025-02-18T16:33:38Z)
• DexVIP: Learning Dexterous Grasping with Human Hand Pose Priors from Video [86.49357517864937]
  DexVIPは,人間と物体のインタラクションビデオから,器用なロボットの把握を学習する手法である。 我々は、人間とオブジェクトのインタラクションビデオから把握した画像をキュレートし、エージェントの手のポーズに先行する。 DexVIPは、手ポーズの無い既存のアプローチや、特殊な遠隔操作機器に頼っている既存のアプローチと良好に比較できることを実証する。
  論文  参考訳（メタデータ） (2022-02-01T00:45:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。