論文の概要: Koala Gripper: Co-designing Robotic Grippers and Data-Capture Devices for Scaling Dexterous Manipulation Learning
- arxiv url: http://arxiv.org/abs/2608.20546v1
- Date: Thu, 20 Aug 2026 20:16:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.208691
- Title: Koala Gripper: Co-designing Robotic Grippers and Data-Capture Devices for Scaling Dexterous Manipulation Learning
- Title（参考訳）: Koala Gripper: Dexterous Manipulation Learningをスケールするためのロボットグリッパーとデータキャプチャデバイスの共同設計
- Authors: Amar Hajj-Ahmad, Zubin Kremer Guha, Tim Fofonoff, Zhi Ern Teoh, Ciarán T. O'Neill, Ben Thacher, Igor Fala, Vidullan Surendran, Murphy Wonsick, Peter Whitney, David Watkins,
- Abstract要約: 我々は,データキャプチャ装置とロボットグリッププラットフォームであるKoala Gripperシステムを紹介する。
この設計は、方向反射質量特性を持つ新しい力最適化指/トリガーリンク機構を導入している。
これらのグリップパは、広範囲の物体をつかむことができ、強力な道具の使用、正確な歌唱が可能であることを示す。
- 参考スコア（独自算出の注目度）: 1.2431813597557693
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As the demand for larger manipulation datasets grows, handheld robotic gripper data collection and the associated gripper designs become more vital. Current data collection device designs trend towards matching the morphologies of existing robotic grippers, sacrificing ergonomics and manipulation performance. In this paper, we propose a co-design framework that guides the simultaneous development of both data collection and robotic execution devices by weaving both platform constraints into the design process. Through this workflow, we present the Koala Gripper system, a data capture device and robotic gripper platform that improves dexterity and grasp capability compared to parallel jaw grippers while preserving scalability and ease-of-use. The design introduces a novel force-optimized finger/trigger linkage mechanism with directional reflected mass characteristics, a unique monolithic dual-thumb, and user-centered ergonomic design. The design's actuated robotic fingers are backdrivable, with effective mass on the order of tens of grams. We show that these grippers are capable of secure grasps over a wide range of objects, forceful tool use, and precise singulation. We further validate the platform by deploying it with an end-to-end data collection and policy execution pipeline that highlights its capabilities through learning from demonstration. More information available at http://koalagripper.rai-inst.com
- Abstract（参考訳）: より大きな操作データセットの需要が増加するにつれて、ハンドヘルドのロボットグリップデータ収集と関連するグリップデザインがより重要になる。
現在のデータ収集装置は、既存のロボットグリップの形状と一致し、エルゴノミクスと操作性能を犠牲にする傾向にある。
本稿では,両プラットフォームの制約を設計プロセスに織り込むことにより,データ収集とロボット実行デバイスを同時開発するための協調設計フレームワークを提案する。
このワークフローを通じて,データキャプチャ装置とロボットグリッププラットフォームであるKoala Gripperシステムを提案する。
この設計は、方向反射質量特性、独特なモノリシックな双極子、ユーザー中心のエルゴノミクス設計を備えた、力に最適化された指/トリガーリンク機構を導入している。
デザインのアクティベートされたロボットの指はバックドライブ可能で、数十グラムのオーダーで効果的な質量を持つ。
これらのグリップパは、広範囲の物体をつかむことができ、強力な道具の使用、正確な歌唱が可能であることを示す。
プラットフォームをエンドツーエンドのデータ収集とポリシ実行パイプラインでデプロイして、デモから学ぶことでその機能を強調することで、さらに検証します。
詳細はhttp://koalagripper.rai-inst.comで確認できる。
関連論文リスト
- TAMEn: Tactile-Aware Manipulation Engine for Closed-Loop Data Collection in Contact-Rich Tasks [16.262130849751312]
TAMEnは、連絡先の多いタスクでクローズドループデータ収集を行う、触覚対応の操作エンジンである。
本システムは異種グリップの高速適応を可能にするクロスモルフォロジー・ウェアラブルインタフェースを備えている。
提案するビジュオ触覚学習フレームワークは,多種多様な操作タスクにおいて,タスク成功率を34%から75%に向上させる。
論文 参考訳（メタデータ） (2026-04-08T17:49:35Z) - Dexterous grasp data augmentation based on grasp synthesis with fingertip workspace cloud and contact-aware sampling [12.284578987285188]
遠隔操作型フレームワークを提案する。
そこで本研究では,ロボット指先の構造的ワークスペース雲を自動生成するAutoWSを提案する。
本フレームワークは,任意の構造を持つ手のためのリアルタイムグリップ生成を可能にし,実演と組み合わせて人間的なグリップを生成する。
論文 参考訳（メタデータ） (2026-03-17T14:51:35Z) - UltraDexGrasp: Learning Universal Dexterous Grasping for Bimanual Robots with Synthetic Data [70.96218513410454]
両面ロボットを用いた普遍的デクスタラスグリップのためのフレームワークであるUltraDexGraspを紹介する。
提案したデータ生成パイプラインは、最適化に基づくグリップ合成と計画に基づくデモ生成を統合する。
我々はUltraDexGrasp-20Mに基づいて、点雲を入力とし、一方向の注意を通してシーン特徴を集約し、制御コマンドを予測する、シンプルで効果的な把握ポリシーを開発した。
論文 参考訳（メタデータ） (2026-03-05T15:54:21Z) - Learning Generalizable Hand-Object Tracking from Synthetic Demonstrations [71.15185260689928]
本研究では,人間による実演を必要とせず,合成データから汎用的な手動物体追跡制御系を学習するシステムを提案する。
提案手法は,(1)多種多様な対象物軌跡を合成可能なハンドオブジェクトプランナであるHOPと,(2)強化学習と相互作用模倣学習を通じて合成と物理の伝達をブリッジするハンドオブジェクトトラッカーであるHOTの2つの重要な貢献を行う。
論文 参考訳（メタデータ） (2025-12-22T17:08:54Z) - XRoboToolkit: A Cross-Platform Framework for Robot Teleoperation [2.2353859695978944]
XRoboToolkitは、OpenXR標準上に構築された拡張現実ベースのロボット遠隔操作のためのクロスプラットフォームフレームワークである。
システムは低レイテンシの立体視フィードバック、最適化に基づく逆運動学、多様なトラッキングモードをサポートする。
本稿では、高精度な操作タスクによってフレームワークの有効性を実証し、堅牢な自律性能を示すVLAモデルをトレーニングすることで、データ品質を検証する。
論文 参考訳（メタデータ） (2025-07-31T18:45:13Z) - 1 Modular Parallel Manipulator for Long-Term Soft Robotic Data Collection [16.103025868841268]
本稿では,大規模データ収集に適した並列ロボット操作プラットフォームを提案する。
プラットフォームモジュールは、カスタマイズ可能なフィンガーを作動させるオフ・ザ・シェルフ電気モーターのペアで構成されている。
ベンチマーク2D操作タスクにおいて,ハードウェア上でのポリシー勾配強化学習に使用するプラットフォームの能力を検証する。
論文 参考訳（メタデータ） (2024-09-05T15:18:44Z) - Learning Visuotactile Skills with Two Multifingered Hands [80.99370364907278]
マルチフィンガーハンドとバイソタクティブルデータを用いたバイマニアルシステムを用いて,人間の実演からの学習を探索する。
以上の結果から,バイスオタクティブルデータからの両指多指操作における有望な進歩が示唆された。
論文 参考訳（メタデータ） (2024-04-25T17:59:41Z) - Polybot: Training One Policy Across Robots While Embracing Variability [70.74462430582163]
複数のロボットプラットフォームにデプロイするための単一のポリシーをトレーニングするための重要な設計決定セットを提案する。
われわれのフレームワークは、まず、手首カメラを利用して、我々のポリシーの観察空間と行動空間を具体化して調整する。
6つのタスクと3つのロボットにまたがる60時間以上のデータセットを用いて,関節の形状や大きさの異なるデータセットの評価を行った。
論文 参考訳（メタデータ） (2023-07-07T17:21:16Z) - SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。
動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。
評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文 参考訳（メタデータ） (2020-12-04T23:06:56Z)
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。