論文の概要: Blind Dexterity: Whole-Body Humanoid Manipulation via Pure Proprioception
- arxiv url: http://arxiv.org/abs/2608.29487v1
- Date: Sun, 30 Aug 2026 00:32:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.981227
- Title: Blind Dexterity: Whole-Body Humanoid Manipulation via Pure Proprioception
- Title（参考訳）: Blind Dexterity:Pure Proprioceptionによる全身型Humanoid Manipulation
- Abstract要約: 我々はUnitree G1ヒューマノイドにブラインド、全身操作のスキルを提示する。
私たちは、カメラ、マーカー、フォーストルク、触覚センサーを使わずに、オンボードのプロリオセプションのみを使用します。
- 参考スコア（独自算出の注目度）: 15.745680450613854
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present blind, whole-body manipulation skills on a Unitree G1 humanoid using only onboard proprioception, without cameras, markers, force-torque, or tactile sensors. Despite this minimal sensing, the trained policies exhibit surprising capability across qualitatively different tasks: push-resilient bipedal walking without IMU feedback, active soccer ball trapping with a foot, seeking and lifting a suitcase by its handle, and mounting a randomly positioned skateboard. We argue that these capabilities arise from a key underappreciated signal: the way the joint encoder readouts evolve under purposeful compliant contact, effectively forming a whole-body tactile channel. By generating contact-rich motions, the trained policies actively probe the environment; as a result, task-relevant object state (e.g., pose) becomes increasingly decodable from short proprioceptive histories. We expose this information using compact task-specific state estimators trained alongside, but fully separately from, the policies; their prediction errors decrease rapidly after informative contact. Our results indicate that joint encoder-based proprioception, combined with compliant actuation (now widely available on commercial robots and low-cost motors) is already a strong, practical substrate for whole-body dexterous manipulation and interactive perception, and therefore a natural foundation on which richer sensing can be layered.
- Abstract（参考訳）: 我々は、カメラ、マーカー、力トルク、触覚センサーを使わずに、搭載したプロバイオセプションのみを用いて、Unitree G1ヒューマノイドにブラインド、全身操作のスキルを提示する。
この最小限の感覚にもかかわらず、トレーニングされたポリシーは、定性的に異なるタスクにまたがる驚くべき能力を示す:IMUのフィードバック無しのプッシュレジリエントな二足歩行、足でアクティブなサッカーボールをトラップする、スーツケースをハンドルで探して持ち上げる、ランダムに位置決めされたスケートボード。
これらの機能は、ジョイントエンコーダのリードアウトが目的に適合した接触の下で進化し、効果的に全身の触覚チャネルを形成するという、重要な未承認信号から生じるものである、と我々は主張する。
その結果、タスク関連オブジェクト状態(例えば、ポーズ)は、短いプロリオセプティヴ・ヒストリーから退避しやすくなっている。
我々は,これらの情報を,情報接触後の予測誤差を急速に減少させるとともに,同時に訓練されたタスク固有状態推定器を用いて公開する。
以上の結果から,コンバインド・エンコーダをベースとしたプロピロセプションと適応的アクティベーション(現在は商用ロボットや低コストモーターで広く利用されている)が,全身操作や対話的知覚のための強力な実践的基盤としてすでに存在しており,よりリッチなセンシングを階層化できる自然基盤であることが示唆された。
関連論文リスト
- NoContactNoWorries: Estimating Contact through Vision and Proprioception for In-Hand Dexterous Manipulation [0.7378853859331618]
NoContactNoWorriesは、RGB-Dビジョンとロボットの受容とを融合してバイナリ接触状態を推測するフレームワークである。
提案手法は, 物体の逆方向を推定するために, 下流の強化学習エージェントをサポートすることを示す。
論文 参考訳（メタデータ） (2026-06-23T11:36:46Z) - Learning Tactile-Aware Quadrupedal Loco-Manipulation Policies [33.25194785586049]
階層構造を有する触覚対応ロコ操作ポリシー学習パイプラインを提案する。
まず、実世界の人間のデモを活用して、触覚条件付きビゾタクタクタブルな高レベルポリシーを訓練する。
第2に,触覚を意識した全身制御政策を学習するために,シミュレーションにおいて大規模強化学習を行う。
論文 参考訳（メタデータ） (2026-04-29T21:46:58Z) - FingerEye: Continuous and Unified Vision-Tactile Sensing for Dexterous Manipulation [8.809778152652724]
有害なロボット操作は、あらゆる段階の相互作用を包括的に知覚する必要がある。
我々は,対話プロセスを通じて連続的な視覚触覚フィードバックを提供する,コンパクトで費用効率のよいセンサであるFingerEyeを紹介する。
我々は、複数のFingerEyeセンサーからの信号を融合して、限られた実世界のデータから巧妙な操作行動を学習する視覚触覚模倣学習ポリシーを開発した。
論文 参考訳（メタデータ） (2026-04-22T15:37:34Z) - ActiveGlasses: Learning Manipulation with Active Vision from Ego-centric Human Demonstration [51.69384671495837]
ActiveGlassesは、エゴ中心の人間のデモからロボット操作を学習するシステムである。
スマートグラスに装着されたステレオカメラは、データ収集とポリシー推論の両方のための唯一の認識装置として機能する。
ゼロ・トランスファーを可能にするために,デモからオブジェクト・トラジェクトリを抽出し,オブジェクト中心のポイント・クラウド・ポリシーを用いて操作と頭部運動を協調的に予測する。
論文 参考訳（メタデータ） (2026-04-09T17:59:08Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳（メタデータ） (2026-03-03T18:59:29Z) - TactAlign: Human-to-Robot Policy Transfer via Tactile Alignment [32.07730277045068]
既存のH2R(Human-to-robot)アプローチでは、タッチが同一の触覚センサーを前提としており、ペアのデータを必要とし、人間のデモンストレーターとロボットの間の具体的ギャップをほとんど必要としない。
そこで本研究では,異なる実施形態のロボットに人為的な触覚信号を伝達する触覚アライメント手法であるTactAlignを提案する。
論文 参考訳（メタデータ） (2026-02-14T03:31:32Z) - UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。
UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する
高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
論文 参考訳（メタデータ） (2026-02-01T11:03:01Z) - Grasp Like Humans: Learning Generalizable Multi-Fingered Grasping from Human Proprioceptive Sensorimotor Integration [26.351720551267846]
触覚と審美的知覚は、人間の器用な操作に欠かせないものであり、感覚運動器統合による物体の確実な把握を可能にしている。
本研究では,人間の直感的・自然な操作から模倣学習に基づくロボット実行へのスキル伝達を把握するための,新しい手袋による触覚的知覚予測フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-10T07:44:12Z) - 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) - Emergent Active Perception and Dexterity of Simulated Humanoids from Visual Reinforcement Learning [69.71072181304066]
本稿では,擬似ヒューマノイドを用いた視覚駆動全身制御フレームワークであるPerceptive Dexterous Control (PDC)を紹介する。
PDCは、タスク仕様のためのエゴセントリックなビジョンのみを運用し、ビジュアルキューによるオブジェクト検索、ターゲット配置、スキル選択を可能にする。
強化学習によるスクラッチからのトレーニングは,能動探索などの創発的な行動を引き起こす可能性があることを示す。
論文 参考訳（メタデータ） (2025-05-18T07:33:31Z) - OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。
我々は,多方向高解像度触覚センサOmniTactを紹介する。
我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
論文 参考訳（メタデータ） (2020-03-16T01:31:29Z)
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。