論文の概要: Benchmarking Dexterity of Multifingered Robot Hands: A Review and Perspective
- arxiv url: http://arxiv.org/abs/2609.05585v1
- Date: Fri, 04 Sep 2026 16:02:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 13:17:10.1586
- Title: Benchmarking Dexterity of Multifingered Robot Hands: A Review and Perspective
- Title（参考訳）: マルチフィンガーロボットハンドのベンチマークデキスタリティ : レビューと展望
- Abstract要約: 我々は,多指ロボットハンドのデキスタリティをベンチマークする際の技術の現状を調査した。
本稿では,米国国立科学財団 HAND Engineering Research Center の展望を紹介する。
システム複雑性の増加に対応する3つのベンチマークレベルからなるフレームワークを導入する。
- 参考スコア（独自算出の注目度）: 2.6272316560877362
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Robot hands are a key interface between AI and the physical world, making advances in robotic dexterity essential to realizing the vision of physical AI. While impressive dexterity has been demonstrated with simple grippers, multifingered hands offer the potential for substantially greater versatility, precision, and adaptability in manipulation. In this review, we survey the state of the art in benchmarking the dexterity of multifingered robot hands. Recognizing dexterity as a complex and multifaceted concept, we present the perspective of the U.S. National Science Foundation HAND Engineering Research Center, with a particular focus on fine in-hand manipulation. We introduce a framework consisting of three benchmark levels that correspond to increasing system complexity, review representative benchmarks at each level, and propose new benchmarks and metrics to address limitations in the literature. More information can be found at https://hand-erc.github.io/benchmarking/.
- Abstract（参考訳）: ロボットハンドは、AIと物理世界の重要なインターフェースであり、物理的なAIのビジョンを実現するためにロボットの器用さが不可欠である。
単純なグリッパーで印象的なデキスタリティが実証されているが、マルチフィンガーハンドは操作においてより優れた汎用性、精度、適応性をもたらす可能性がある。
本稿では,多指ロボットハンドのディクスタリティのベンチマークにおける最先端技術について検討する。
ディクスタリティを複雑で多面的な概念として認識し、米国国立科学財団 HAND Engineering Research Center の視点を示す。
システム複雑性の増大に対応する3つのベンチマークレベルからなるフレームワークを導入し、各レベルでの代表ベンチマークをレビューし、文献の制限に対処するための新しいベンチマークとメトリクスを提案する。
詳細はhttps://hand-erc.github.io/benchmarking/で確認できる。
関連論文リスト
- HandEdit: A Unified Benchmark for Egocentric Human-to-Robot Dexterous Hand Image Editing [96.6894553388557]
HandEditは、大規模なエボディメント対応の画像編集データセットとベンチマークである。
人間の手と腕を、エゴセントリックなフレーム内の様々な器用なロボット体に変身させる。
HandEditは、5つの多様なソースデータセットから派生した2億以上の編集インスタンスで構成されている。
論文 参考訳（メタデータ） (2026-08-12T14:41:53Z) - DexJoCo: A Benchmark and Toolkit for Task-Oriented Dexterous Manipulation on MuJoCo [82.73355932907565]
DexJoCoはタスク指向のデクサラス操作のためのベンチマークとツールキットである。
本研究は,ツール使用,双方向調整,長期実行,推論などを評価する機能的なタスクを11個提示する。
我々は、視覚的・動的ランダム化、マルチタスクトレーニング、アクションヘッド適応など、多様な設定で最新のモデルをベンチマークする。
論文 参考訳（メタデータ） (2026-05-15T17:59:51Z) - HandVQA: Diagnosing and Improving Fine-Grained Spatial Reasoning about Hands in Vision-Language Models [14.981963881449486]
人間の手のきめ細かい説明を理解することは、ロボットによる外科手術のような高精細な設定において重要である。
現在の視覚言語モデル(VLM)は、特に複雑で明瞭な手ポーズの解釈において、きめ細かい空間的推論に苦しむ。
本稿では,視覚的質問応答による詳細な手指解剖の理解を評価するための大規模診断ベンチマークであるHandVQAを紹介する。
論文 参考訳（メタデータ） (2026-03-27T12:42:26Z) - Generalizable Geometric Prior and Recurrent Spiking Feature Learning for Humanoid Robot Manipulation [90.90219129619344]
本稿では,スパイキング機能を備えたR-prior-S, Recurrent Geometric-priormodal Policyを提案する。
物理的現実の高レベル推論を基礎として、軽量な2次元幾何学的帰納バイアスを利用する。
ロボット行動生成におけるデータ効率問題に対して,再帰的適応スパイクネットワークを導入する。
論文 参考訳（メタデータ） (2026-01-13T23:36:30Z) - Dexterity from Smart Lenses: Multi-Fingered Robot Manipulation with In-the-Wild Human Demonstrations [52.29884993824894]
自然環境で日々のタスクを行う人間から、マルチフィンガーロボットポリシーを学ぶことは、ロボットコミュニティにとって長年の大きな目標だった。
AINAは、Aria Gen 2メガネを使用して、どこでも、どこでも、あらゆる環境で収集されたデータから、マルチフィンガーポリシーを学ぶことができる。
論文 参考訳（メタデータ） (2025-11-20T18:59:02Z) - Generating Robot Constitutions & Benchmarks for Semantic Safety [22.889717765617394]
ロボット脳のセマンティック安全性を評価するためのASIMOVベンチマークをリリースする。
実世界のデータからロボットの構成を自動的に生成するフレームワークを開発した。
動作規則書にニュアンスを導入可能な,新しい自動改善プロセスを提案する。
論文 参考訳（メタデータ） (2025-03-11T17:50:47Z) - Decomposed Vector-Quantized Variational Autoencoder for Human Grasp Generation [27.206656215734295]
本稿では,DVQ-VAE(Decomposed Vector-Quantized Variational Autoencoder)を提案する。
部分認識の分解アーキテクチャは、手とオブジェクトの各コンポーネント間のインタラクションをより正確に管理するのに役立つ。
提案モデルでは,4つのベンチマークにおいて,最先端の手法と比較して,品質指標の14.1%の相対的な改善を実現した。
論文 参考訳（メタデータ） (2024-07-19T06:41:16Z) - DMFC-GraspNet: Differentiable Multi-Fingered Robotic Grasp Generation in
Cluttered Scenes [22.835683657191936]
マルチフィンガーロボットグリップは、複雑なオブジェクト操作を行う可能性がある。
マルチフィンガーロボットグリップの現在の技術は、推論時間毎に1つのグリップしか予測しないことが多い。
本稿では,この課題に対処するための3つの主要なコントリビューションを持つ,微分可能なマルチフィンガーグリップ生成ネットワーク(DMFC-GraspNet)を提案する。
論文 参考訳（メタデータ） (2023-08-01T11:21:07Z) - RoboPianist: Dexterous Piano Playing with Deep Reinforcement Learning [61.10744686260994]
本稿では,150曲のピアノ作品の大規模なレパートリーをシミュレートして学習するシステムであるRoboPianistを紹介する。
また,オープンソース環境,タスクのベンチマーク,解釈可能な評価指標,今後の研究課題についても紹介する。
論文 参考訳（メタデータ） (2023-04-09T03:53:05Z) - Spatiotemporal modeling of grip forces captures proficiency in manual
robot control [5.504040521972806]
本稿では,ロボットの手動制御における個々のグリップ力の変動を予測するために,人工知能を利用したこれまでの研究に基づいて構築した。
統計的分析は、初心者と熟練した専門家の数千のグリップフォースにおいて、フォアスキルの時間的変動をもたらす。
論文 参考訳（メタデータ） (2023-03-03T15:08:00Z) - Where is my hand? Deep hand segmentation for visual self-recognition in
humanoid robots [129.46920552019247]
本稿では、画像からロボットの手を切り離すための畳み込みニューラルネットワーク(CNN)を提案する。
ヒューマノイドロボットVizzyの手のセグメンテーションのために,Mask-RCNNネットワークを微調整した。
論文 参考訳（メタデータ） (2021-02-09T10:34:32Z) - Integrated Benchmarking and Design for Reproducible and Accessible
Evaluation of Robotic Agents [61.36681529571202]
本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。
このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。
本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
論文 参考訳（メタデータ） (2020-09-09T15:31:29Z)
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。