論文の概要: PRISM: Precision and contact-rich Real-world Industrial Skill dataset with Multimodal sensing
- arxiv url: http://arxiv.org/abs/2608.17962v1
- Date: Tue, 18 Aug 2026 16:16:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.400021
- Title: PRISM: Precision and contact-rich Real-world Industrial Skill dataset with Multimodal sensing
- Title（参考訳）: PRISM:マルチモーダルセンシングを用いた高精度・コンタクトリッチ実世界の産業スキルデータセット
- Abstract要約: PRISMは接触豊富な産業運用のための大規模マルチモーダルデータセットである。
データセットは25以上の操作タスクにまたがっており、さまざまな機械的制約をカバーしている。
PRISMは、高精度な産業制約下でのマルチモーダル認識と制御のための現実的なベンチマークを提供する。
- 参考スコア（独自算出の注目度）: 8.225611683899952
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent progress in robotic learning has been fueled by large-scale datasets collected in everyday environments. However, most existing datasets emphasize short-horizon, low-contact tasks such as pick-and-place, and therefore do not capture the precision control, force/torque or tactile regulation, and multimodal feedback required for industrial assembly. To address this gap, we introduce PRISM, a large-scale multimodal dataset for contact-rich industrial operations. The dataset spans more than 25 manipulation tasks (e.g., electronic components plug/unplug, conveyor-based sorting) and covers diverse mechanical constraints. PRISM includes more than 5,000 trajectories totaling 45 hours of teleoperated demonstrations, recorded using synchronized multi-view RGB-D, force/torque, tactile, and robot-state measurements. In contrast to datasets collected in household or laboratory settings, PRISM provides a realistic benchmark for multimodal perception and control under high-precision industrial constraints, and serves as a foundation for contact-rich, generalizable manipulation in real-world manufacturing environments. The dataset is open-sourced at: https://tengbo-yu.github.io/PRISM/
- Abstract（参考訳）: ロボット学習の最近の進歩は、日々の環境で収集された大規模なデータセットによって支えられている。
しかし、既存のデータセットの多くは、ピック・アンド・プレイスのような短水平で低接触のタスクを強調しており、従って精度制御、力/トルクまたは触覚制御、産業組み立てに必要なマルチモーダルフィードバックを捉えていない。
このギャップに対処するため,接触豊富な産業運用のための大規模マルチモーダルデータセットであるPRISMを導入する。
データセットは25以上の操作タスク(例:電子部品のプラグ/アンプラグ、コンベアベースのソート)にまたがり、さまざまな機械的制約をカバーする。
PRISMには、合計45時間の遠隔操作によるデモ、同期されたマルチビューRGB-D、フォース/トルク、触覚、ロボット状態の測定で記録された5000以上の軌道が含まれている。
家庭や実験室で収集されたデータセットとは対照的に、PRISMは高精度な工業制約下でのマルチモーダル認識と制御のための現実的なベンチマークを提供し、実世界の製造環境におけるコンタクトリッチで一般化可能な操作の基礎として機能する。
データセットは、https://tengbo-yu.github.io/PRISM/でオープンソース化されている。
関連論文リスト
- Industrial Dexterity Benchmark: A Hardware-Software Benchmarking Platform for Industrial Dexterous Manipulation [7.616765955338039]
有害な操作は、産業自動化における重要なボトルネックであり続けている。
本研究は、産業用デクスタラス操作のためのエンドツーエンドのマルチモーダル模倣学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-15T16:54:28Z) - OmniVTA: Visuo-Tactile World Modeling for Contact-Rich Robotic Manipulation [57.133721026727706]
textbfOmniViTacは,16ドルのタスクと100ドル以上のオブジェクトからなる21,000ドル以上のトラジェクトリからなる大規模ビズオタクティルアクションデータセットである。
我々は4つの密結合モジュールを統合する世界モデルベースのビジュオ触覚操作フレームワークである textbf OmniVTA を提案する。
論文 参考訳（メタデータ） (2026-03-19T17:52:42Z) - MobileManiBench: Simplifying Model Verification for Mobile Manipulation [70.30578259859512]
MobileManiBenchは、モバイルベースのロボット操作のための大規模なベンチマークである。
MobileManiBenchには、2つのモバイルプラットフォーム(パラレルグリッパーとデキソラスハンドロボット)、2つの同期カメラ(頭と右手首)、630のオブジェクト(オープン、クローズ、プル、プッシュ、ピック)、5つのスキル(オープン、クローズ、プッシュ、ピック)、100以上のタスクが現実的なシーンで実行される。
論文 参考訳（メタデータ） (2026-02-05T02:49:52Z) - PRISM: Performer RS-IMLE for Single-pass Multisensory Imitation Learning [51.24484551729328]
PRISMは,IMLEのバッチ・グロバル・リジェクション・サンプリングに基づく単一パスポリシーである。
PRISMは、Performerアーキテクチャを用いた線形アテンション発生器と時間的マルチセンサエンコーダを結合する。
7-DoFアームD1を搭載したUnitree Go2を用いたロコマニピュレーションやUR5マニピュレータを用いたテーブルトップ操作など,PRISMの有効性を実証する。
論文 参考訳（メタデータ） (2026-02-02T17:57:37Z) - Real Time NILM Based Power Monitoring of Identical Induction Motors Representing Cutting Machines in Textile Industry [1.1087735229999816]
バングラデシュの繊維産業は最もエネルギー集約的な産業の一つである。
モニタリングの実践はほとんど時代遅れであり、効率の悪さと運用コストが高い。
本稿では,産業アプリケーションに適したリアルタイム非侵入負荷モニタリングフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-04T17:51:19Z) - FieldGen: From Teleoperated Pre-Manipulation Trajectories to Field-Guided Data Generation [60.28409233931666]
FieldGenは、スケーラブルで多様な、高品質な実世界のデータ収集を可能にする、フィールド誘導型データ生成フレームワークである。
実験により、FieldGenでトレーニングされたポリシーは、遠隔操作ベースのベースラインと比較して、より高い成功率と安定性を達成することが示された。
論文 参考訳（メタデータ） (2025-10-23T17:47:12Z) - MM-OR: A Large Multimodal Operating Room Dataset for Semantic Understanding of High-Intensity Surgical Environments [49.45034796115852]
手術室(オペレーティングルーム、英: Operating room, OR)は、医療スタッフ、工具、機器間の相互作用を正確に理解する必要がある複雑な高所環境である。
現在のデータセットは、スケール、リアリズムにおいて不足しており、ORシーンの性質を捉えておらず、ORモデリングにおけるマルチモーダルを制限する。
本稿では,現実的で大規模なマルチモーダルORデータセットであるMM-ORと,マルチモーダルなシーングラフ生成を実現するための最初のデータセットを紹介する。
論文 参考訳（メタデータ） (2025-03-04T13:00:52Z) - MVIP -- A Dataset and Methods for Application Oriented Multi-View and Multi-Modal Industrial Part Recognition [0.27309692684728604]
MVIPはマルチモーダルおよびマルチビューアプリケーション指向の産業部品認識のための新しいデータセットである。
MVIPの主な目的は、下流タスクにおける様々な最先端メソッドの転送可能性の研究とプッシュである。
論文 参考訳（メタデータ） (2025-02-21T13:22:29Z) - A Multimodal Dataset for Enhancing Industrial Task Monitoring and Engagement Prediction [5.73110247142357]
現実的なアセンブリと分解タスクをキャプチャする新しいデータセットを提案する。
データセットは、22セッションから収集されたマルチビューRGB、深さ、慣性測定ユニット(IMU)データを含み、未トリミングビデオの290分に相当する。
提案手法は, 動的産業環境におけるオペレータのパフォーマンス監視のための堅牢なソリューションとして, エンゲージメント状態の認識精度を向上させる。
論文 参考訳（メタデータ） (2025-01-10T12:57:33Z) - IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。
本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。
このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
論文 参考訳（メタデータ） (2024-04-23T13:38:01Z) - Challenges of the Creation of a Dataset for Vision Based Human Hand
Action Recognition in Industrial Assembly [0.0]
このデータセットは、基本バージョンで459,180の画像を持つ12のクラスと、空間拡張後の2,295,900の画像からなる。
平均以上の期間を持ち、工業用組立ラインの技術的および法的要件を満たす。
実世界の実例を広範囲に観察した結果,記録された真理組立クラスが選択された。
論文 参考訳（メタデータ） (2023-03-07T07:57:12Z)
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。