論文の概要: Visible-Reachable Workspace for Perception-Aware Humanoid Design

• arxiv url: http://arxiv.org/abs/2609.08905v1
• Date: Tue, 08 Sep 2026 15:40:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 15:23:20.170557
• Title: Visible-Reachable Workspace for Perception-Aware Humanoid Design
• Title（参考訳）: 視覚認識型ヒューマノイド設計のための可視到達型ワークスペース
• Abstract要約: 本稿では、実現可能な構成の可視性を示す設計段階のワークスペース(VRW)を紹介する。 独立にアクティベートされたRGB-Dカメラを備えた31-DoFヒューマノイドを構築してVRWを適用した。 アクティベートされたカメラレイアウトでは、第2のカメラは対のカバレッジを0.45から0.95に引き上げ、第3のカメラは0.97にしか変更されない。
• 参考スコア（独自算出の注目度）: 2.6281686977707945
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Workspace analysis measures where a robot can place its end effector. For visually guided manipulation, reachability alone is insufficient: a kinematically reachable target may not be visible in the specific pose required to reach it. The robot must then redirect its sensing or move its body to acquire a view, turning a perception limitation into additional motion. Existing humanoids largely inherit this limitation when copying human form factors. We introduce the visible-reachable workspace (VRW), a design-stage measure that conditions visibility on feasible reaching configurations and extends it to concurrent visibility of spatially separated work regions. We apply VRW by building a 31-DoF humanoid with independently actuated RGB-D cameras. On the same robot, camera articulation increases visible-reachable coverage from 38% to 97%. With actuated camera layouts, a second camera raises pairwise coverage from 0.45 to 0.95, while a third changes it only to 0.97. In a controlled two-target reach-and-grasp benchmark, our dual-actuated design reduces mean completion time by 17% and mechanical energy by 19% relative to the same robot with its cameras fixed. Hardware experiments demonstrate simultaneous observation and manipulation of front/back and left/right target pairs without torso reorientation. The results suggest that reachability becomes a more informative design quantity for perception-driven humanoid manipulation when it is evaluated together with the sensing configurations that make the reachable space observable. We will open-source all software and the humanoid hardware design. Our website is https://generalroboticslab.com/DukeHumanoidv2
• Abstract（参考訳）: ワークスペース分析は、ロボットがエンドエフェクターをどこに配置できるかを測定する。 視覚的に誘導された操作では、到達性だけでは不十分である。 ロボットはその感知をリダイレクトするか、あるいは体を移動して視界を取得し、知覚の制限を付加的な動きに変える必要がある。 既存のヒューマノイドは、ヒトのフォームファクターをコピーする際に、この制限をほとんど継承する。 本稿では,空間的に分離された作業領域の同時可視性に拡張した,実現可能な構成の可視性を考慮した設計段階の作業空間(VRW)について紹介する。 独立にアクティベートされたRGB-Dカメラを備えた31-DoFヒューマノイドを構築してVRWを適用した。 同じロボットでは、カメラの関節は可視範囲を38%から97%に増やす。 アクティベートされたカメラレイアウトでは、第2のカメラは対のカバレッジを0.45から0.95に引き上げ、第3のカメラは0.97にしか変更されない。 制御された2ターゲットのリーチ・アンド・グラスのベンチマークでは、カメラを固定した同じロボットと比較して平均完了時間を17%削減し、機械的エネルギーを19%削減する。 ハードウェア実験は、胴体再配向を伴わない前後の対の同時観測と操作を実証する。 その結果, 到達性は, 到達可能空間を観測可能なセンサ構成とともに評価した場合, 知覚駆動型ヒューマノイド操作において, より情報的な設計量となることが示唆された。 すべてのソフトウェアとヒューマノイドハードウェアをオープンソースにします。 私たちのウェブサイトはhttps:// generalroboticslab.com/DukeHumanoidv2です。

関連論文リスト

• 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)
• Social-Pose: Enhancing Trajectory Prediction with Human Body Pose [70.59399670794171]
  本研究では,人体ポーズを用いた人体軌道予測の利点について検討した。 我々は,シーン内のすべての人間のポーズとその社会的関係を効果的にキャプチャするアテンションベースのポーズエンコーダであるSocial-poseを提案する。
  論文  参考訳（メタデータ） (2025-07-30T14:58:48Z)
• MotionPRO: Exploring the Role of Pressure in Human MoCap and Beyond [24.84558649772663]
  既存のモーションキャプチャー(MoCap)手法は、物理的妥当性を無視しながら視覚的類似性に焦点を当てている。 本稿では,人体と物理的世界との相互作用の観点から,圧力の役割を探求することによって人間のMoCapを再考する。 実験により、RGB機能による融合圧力は、客観的な測定値において性能を著しく向上するだけでなく、仮想人間を3Dシーンで確実に駆動することを示した。
  論文  参考訳（メタデータ） (2025-04-07T13:17:24Z)
• Sixth-Sense: Self-Supervised Learning of Spatial Awareness of Humans from a Planar Lidar [47.992786505913955]
  ほとんどの商用サービスロボットは視野が狭いカメラを備えており、ユーザーが他の方向から近づいていると目が見えない。 本稿では,RGB-Dカメラを監視源として用いて,人間を検知し,その2Dポーズを1次元LiDARデータから推定する自己教師型アプローチを提案する。 提案モデルでは, 距離13cm, 方位44degの平均絶対誤差を保ちながら, 71%の精度と80%のリコールで1次元LiDARデータから一方向の人間を検出できる。
  論文  参考訳（メタデータ） (2025-02-28T13:22:12Z)
• ARMOR: Egocentric Perception for Humanoid Robot Collision Avoidance and Motion Planning [10.207814069339735]
  ARMORはヒューマノイドロボットのための新しい自我中心の認識システムである。 我々の分散認識アプローチはロボットの空間認識を高める。 ARMORの認識は、複数の高密度ヘッドマウントと外部搭載深度カメラを備えた装置よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-11-30T08:39:23Z)
• Exploring 3D Human Pose Estimation and Forecasting from the Robot's Perspective: The HARPER Dataset [52.22758311559]
  本研究では,ユーザとスポット間のダイアドインタラクションにおける3次元ポーズ推定と予測のための新しいデータセットであるHARPERを紹介する。 キーノーベルティは、ロボットの視点、すなわちロボットのセンサーが捉えたデータに焦点を当てることである。 HARPERの基盤となるシナリオには15のアクションが含まれており、そのうち10つはロボットとユーザの間の物理的接触を含んでいる。
  論文  参考訳（メタデータ） (2024-03-21T14:53:50Z)
• ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
  本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。 本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。 我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
  論文  参考訳（メタデータ） (2023-09-11T08:55:04Z)
• Giving Robots a Hand: Learning Generalizable Manipulation with Eye-in-Hand Human Video Demonstrations [66.47064743686953]
  眼内カメラは、視覚に基づくロボット操作において、より優れたサンプル効率と一般化を可能にすることを約束している。 一方、人間がタスクを行うビデオは、ロボット遠隔操作の専門知識を欠いているため、収集コストがずっと安い。 本研究では,広範にラベルのない人間ビデオによるロボット模倣データセットを拡張し,眼球運動ポリシーの一般化を大幅に促進する。
  論文  参考訳（メタデータ） (2023-07-12T07:04:53Z)
• External Camera-based Mobile Robot Pose Estimation for Collaborative Perception with Smart Edge Sensors [22.5939915003931]
  本稿では,移動ロボットのポーズを多視点RGB画像を用いた静的カメラネットワークのアロセントリック座標で推定する手法を提案する。 画像はオンラインで、深層ニューラルネットワークによってスマートエッジセンサーでローカルに処理され、ロボットを検出する。 ロボットのポーズを正確に推定すると、その観察は同中心のシーンモデルに融合することができる。
  論文  参考訳（メタデータ） (2023-03-07T11:03:33Z)
• Interaction Replica: Tracking Human-Object Interaction and Scene Changes From Human Motion [48.982957332374866]
  人間による変化をモデル化することは、デジタル双生児を作るのに不可欠である。 本手法は,シーン中の人間の視覚的位置決めとIMUデータからの人間とシーンの相互作用に関する接触に基づく推論を組み合わせたものである。 私たちのコード、データ、モデルは、プロジェクトのページ http://virtual humans.mpi-inf.mpg.de/ireplica/.comで公開されています。
  論文  参考訳（メタデータ） (2022-05-05T17:58:06Z)
• From Movement Kinematics to Object Properties: Online Recognition of Human Carefulness [112.28757246103099]
  ロボットは、視覚だけで、人間のパートナーが物体を動かす際に注意を払っているかを、どのようにオンラインで推測できるかを示す。 我々は,低解像度カメラでも高い精度(最大81.3%)でこの推論を行うことができることを示した。 パートナーの行動を観察することによる動きの注意の迅速な認識により、ロボットはオブジェクトに対する行動に適応し、人間のパートナーと同じケアの度合いを示すことができる。
  論文  参考訳（メタデータ） (2021-09-01T16:03:13Z)
• Object-Independent Human-to-Robot Handovers using Real Time Robotic Vision [6.089651609511804]
  本稿では,ロボットビジョンと操作を用いた安全でオブジェクトに依存しないロボットハンドオーバのアプローチを提案する。 13の物体を用いた実験で、このロボットは81.9%の試験で人間から物体を取り出すことに成功した。
  論文  参考訳（メタデータ） (2020-06-02T17:29:20Z)

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。