論文の概要: Assembling Two Parts in One Hand

• arxiv url: http://arxiv.org/abs/2609.10137v1
• Date: Wed, 09 Sep 2026 13:17:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.03269
• Title: Assembling Two Parts in One Hand
• Title（参考訳）: 片手で2つの部品を組み立てる
• Abstract要約: 人間の器用さの目印は、異なる指が異なるが協調的な役割を担っている指の協調的使用である。 本研究は, 片手2つの剛体物体を1つの自在な手内に配向させることにより, 指の高さの調整について検討する。 本稿では,この問題を統一的な枠組みで解くための強化学習形式を提案する。
• 参考スコア（独自算出の注目度）: 30.640839805305635
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A hallmark of human dexterity is the cooperative use of fingers, where different fingers take on distinct yet coordinated roles to accomplish fine manipu- lation, such as capping a pen with the hand that holds it. We study this finger-level coordination through in-hand assembly: mating two rigid objects within a single dexterous hand, with no second arm and no fixture. We present a reinforcement learning formulation to solve this problem in a unified framework, which is driven by a goal relative pose between the two parts. Finger coordination is shaped by a function-based auxiliary reward and regularized toward a single human reference pose, while domain randomization and a fusion of historical proprioception and object observation confer robustness to occlusion-induced estimation noise. The same recipe solves three different assembly tasks (Bottle, Syringe, and Marker). Trained purely in simulation, the policies transfer zero-shot to hardware with a single camera, demonstrating robustness to state-estimation errors caused by oc- clusion. Our experiments also reveal that in-hand assembly places demands on hand morphology and can serve as a benchmark for modern robotic hand systems. Videos and code are available at https://ltbgbird.github.io/in-hand-assembly-page/.
• Abstract（参考訳）: 人間の器用さの目印は指の協調的使用であり、異なる指が異なるが調整された役割を担い、手元にペンをかざすなど細かなマニプ・リレーションが達成される。 本研究は,2つの剛体物体を1つの自在な手の中に配し,第2の腕を持たず,固定具も持たない,手の組立による指のレベル調整について検討する。 本稿では,この問題を解決するための強化学習の定式化について述べる。 フィンガーコーディネーションは、機能に基づく補助的な報酬によって形成され、単一の人間の参照ポーズに向けて正規化され、一方、ドメインランダム化と歴史的受容の融合は、オクルージョン誘起推定ノイズにロバスト性を与える。 同じレシピは、3つの異なるアセンブリタスク(Bottle、Syringe、Marker)を解決する。 純粋にシミュレーションで訓練されたこのポリシーは、ゼロショットを1台のカメラでハードウェアに転送し、オクルージョンによる状態推定エラーに対する堅牢性を示す。 我々の実験は、手動の組み立てが手動形態に需要があることを明らかにし、現代のロボットハンドシステムのベンチマークとして機能できることを明らかにした。 ビデオとコードはhttps://ltbgbird.github.io/in-hand-assembly-page/.comで公開されている。

関連論文リスト

• Single-Query Person-Centric Bimanual Hand-Object Interaction Detection [6.360211303233215]
  既存の手-物相互作用法は、主に手中心である。 本研究では,1つのクエリが1人の人に対して構造化された出力を予測する人中心の定式化を提案する。 変圧器をベースとした検出器を用いた実験により, 定式化により, 対人インタラクション解析が向上することが示された。
  論文  参考訳（メタデータ） (2026-09-10T19:41:28Z)
• UniHand: A Unified Model for Diverse Controlled 4D Hand Motion Modeling [45.29560152294065]
  UniHandは、条件付きモーション合成として推定と生成の両方を定式化する統合拡散ベースのフレームワークである。 視覚観察は凍結したバックボーンで符号化され、専用のハンドパーセプトロンは画像特徴から直接手固有のキューを抽出する。 潜在拡散モデルは、様々な条件から一貫した動き列を合成する。
  論文  参考訳（メタデータ） (2026-02-25T06:53:15Z)
• UniHOPE: A Unified Approach for Hand-Only and Hand-Object Pose Estimation [82.93208597526503]
  既存のメソッドは、オブジェクトと対話する素手または手に焦点を当てて、特殊化されている。 他のシナリオに適用しても、どちらのメソッドも柔軟にシナリオとパフォーマンスの低下を処理できません。 汎用的な3次元手動ポーズ推定のための統一的なアプローチであるUniHOPEを提案する。
  論文  参考訳（メタデータ） (2025-03-17T15:46:43Z)
• Deformer: Dynamic Fusion Transformer for Robust Hand Pose Estimation [59.3035531612715]
  既存の方法では、手のこもりが強かったり、ぼやけたりすると、手のポーズが難しい場合が多い。 ビデオでは、手の動きによって、片方のフレームに隠されたり、ぼやけたりして、手のさまざまな部分を観察することができる。 画像内の手の部分間の関係を暗黙的に推論するフレームワークであるDeformerを提案する。
  論文  参考訳（メタデータ） (2023-03-09T02:24:30Z)
• Im2Hands: Learning Attentive Implicit Representation of Interacting Two-Hand Shapes [58.551154822792284]
  Implicit Two Hands (Im2Hands) は、2つの相互作用する手の最初の暗黙の表現である。 Im2Handsは、両手と手と手と画像のコヒーレンシーの高い2つの手のきめ細かい幾何学を生成することができる。 両手再建におけるIm2Handsの有効性を, 関連手法と比較して実験的に実証した。
  論文  参考訳（メタデータ） (2023-02-28T06:38:25Z)
• 3D Interacting Hand Pose Estimation by Hand De-occlusion and Removal [85.30756038989057]
  単一のRGB画像から3Dインタラクションハンドポーズを推定することは、人間の行動を理解するのに不可欠である。 本稿では,難易度の高い手ポーズ推定タスクを分解し,各手のポーズを別々に推定することを提案する。 実験の結果,提案手法は従来の手ポーズ推定手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2022-07-22T13:04:06Z)
• Monocular 3D Reconstruction of Interacting Hands via Collision-Aware Factorized Refinements [96.40125818594952]
  単眼のRGB画像から3Dインタラクションハンドを再構築する試みを初めて行った。 提案手法では, 高精度な3次元ポーズと最小の衝突で3次元ハンドメッシュを生成することができる。
  論文  参考訳（メタデータ） (2021-11-01T08:24:10Z)
• Learning to Disambiguate Strongly Interacting Hands via Probabilistic Per-pixel Part Segmentation [84.28064034301445]
  自己相似性と、それぞれの手にピクセル観察を割り当てるあいまいさは、最終的な3Dポーズエラーの大きな原因である。 1つの単眼画像から2つの手の3次元ポーズを推定する新しい手法であるDIGITを提案する。 提案手法は,InterHand2.6Mデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-07-01T13:28:02Z)
• HandsFormer: Keypoint Transformer for Monocular 3D Pose Estimation ofHands and Object in Interaction [33.661745138578596]
  単色画像からの密接な相互作用で両手の3次元ポーズを推定する頑健で正確な手法を提案する。 本手法は, 両手関節の電位2d位置をヒートマップの極値として抽出することから始まる。 これらの位置の外観と空間エンコーディングを変圧器への入力として使用し、注意メカニズムを利用して関節の正しい構成を整理します。
  論文  参考訳（メタデータ） (2021-04-29T20:19:20Z)

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。