論文の概要: Bench2Dex: Benchmarking Visuo-Tactile Bimanual Dexterous Manipulation Across Dexterous Hands
- arxiv url: http://arxiv.org/abs/2609.15726v1
- Date: Mon, 14 Sep 2026 15:22:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.469837
- Title: Bench2Dex: Benchmarking Visuo-Tactile Bimanual Dexterous Manipulation Across Dexterous Hands
- Title（参考訳）: Bench2Dex: 粘性触覚バイマニュアルデキスタラスハンドのベンチマーク
- Abstract要約: 指の構造、接触面、センサーレイアウトが異なる。
本報告では,12手にわたるバイスオタクティルバイマニュアル操作のシミュレーションベンチマークであるBench2Dexについて述べる。
- 参考スコア（独自算出の注目度）: 99.00248904465089
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Tactile sensing provides contact information that can be difficult to infer from vision alone, but tactile hardware for dexterous hands has not converged to a common design. Dexterous hands differ in finger structure, contact surfaces, and sensor layouts, while simulated tactile signals still differ from measurements produced by physical sensors. These factors make it difficult to study visuo-tactile manipulation across diverse dexterous hands within a consistent experimental setting. We present Bench2Dex, a simulation benchmark for visuo-tactile bimanual manipulation across 12 dexterous hands. We adapt existing robot models with a shared simulated tactile interface that converts local contact geometry into image-like tactile observations. The interface provides a consistent observation format across different hand morphologies without attempting to reproduce the output of a specific physical tactile sensor. Bench2Dex includes 26 bimanual manipulation tasks that involve tool use, articulated-object interaction, and multi-stage manipulation, together with about 1.3K human-teleoperated demonstrations. The benchmark provides synchronized visual, tactile, proprioceptive, action, and object-state observations, together with executable task metrics. For robustness, we group seven perturbation types into invariance axis, where the correct action does not change, and equivariance axis, where the correct action changes together with the perturbation. We evaluate ACT, Diffusion Policy, pi0.5, and GR00T N1.5 on Bench2Dex and report their performance and failure modes. Bench2Dex is meant as a platform for studying visuo-tactile learning across dexterous hands. It does not assume that simulated tactile observations can replace real tactile sensing; it offers a shared setting for algorithm development while tactile hardware and simulation models are still evolving.
- Abstract（参考訳）: 触覚は視覚のみから推測することが難しい接触情報を提供するが、器用な手のための触覚ハードウェアは共通の設計に収束していない。
指の構造、接触面、センサーのレイアウトは異なっており、触覚信号のシミュレートは物理センサーによる測定とまだ異なる。
これらの要因は、一貫した実験条件下で、多様な外反手間での視触覚操作の研究を困難にしている。
本報告では,12手にわたるバイスオタクティルバイマニュアル操作のシミュレーションベンチマークであるBench2Dexについて述べる。
我々は,局所接触形状をイメージライクな触覚観察に変換する共用触覚インタフェースにより,既存のロボットモデルを適応させる。
このインタフェースは、特定の物理的な触覚センサの出力を再現しようとすることなく、異なる手形態で一貫した観察フォーマットを提供する。
Bench2Dexには、ツールの使用、明示されたオブジェクトの相互作用、多段階操作を含む26のバイマニュアル操作タスクと、約1.3Kの人間が操作するデモが含まれている。
このベンチマークは、実行可能なタスクメトリクスとともに、視覚的、触覚的、受容的、行動的、およびオブジェクト状態の観察を同期する。
頑健性のために,7種類の摂動型を,正しい作用が変化しない不変軸と,正しい作用が摂動とともに変化する等分散軸に分類する。
我々は Bench2Dex 上で ACT, Diffusion Policy, pi0.5, GR00T N1.5 を評価し, 性能および故障モードを報告する。
Bench2Dexは、器用な手間でのビジュオ触覚学習のプラットフォームとして意図されている。
シミュレーションされた触覚観測が実際の触覚センシングに取って代わるとは考えておらず、触覚ハードウェアとシミュレーションモデルがまだ進化している間に、アルゴリズム開発のための共有設定を提供する。
関連論文リスト
- ProxiDex: Learning Dynamics-Guided Proximity Policy for Dexterous Manipulation [9.170854062817556]
ProxiDexは、外的操作のための動的誘導近接ポリシーフレームワークである。
相互作用点雲を再構成し、幾何学的距離を近接キューに変換し、ハードウェアに依存しない接触表現を形成する。
ProxiDexは、操作フェーズ間で近接トークンを適応的に重み付けし、ポリシー推論のガイドにダイナミックス一貫性の監視を使用する。
論文 参考訳（メタデータ） (2026-09-15T03:31:55Z) - ReTouch: Empowering Contact-Rich Dexterous Manipulation with Online-Refined Tactile Prediction [42.34171808182058]
本稿では,コンタクトリッチなデクスタラス操作をサポートする視覚言語-アクションモデル(VLA)ReTouchを紹介する。
ReTouchは、触覚表現とクローズドループアクション生成の2つの主要なイノベーションの上に構築されている。
論文 参考訳（メタデータ） (2026-08-03T07:31:10Z) - Blind Dexterous Grasping via Real2Sim2Real Tactile Policy Learning [6.509572742369941]
触覚のみのブラインドグリップのためのフレームワークを提案する。
本研究では,実際の触覚信号を再現可能な接触校正型デジタル双極子シミュレータを構築するReal2Sim触覚校正パイプラインを提案する。
第2に,センサ・ジオメトリを組み込んだレイアウト認識型触覚エンコーダによる触覚観察の表現性を,自己教師付き事前学習により改善する。
第3に、未確認物体への一般化を改善するため、校正されたシミュレーターにおいて、オブジェクト固有の強化学習の専門家を訓練し、得られた把握軌道を触覚条件付き拡散ポリシーに集約する。
論文 参考訳（メタデータ） (2026-06-10T07:46:38Z) - TouchThinker: Scaling Tactile Commonsense Reasoning to the Open World with Large-scale Data and Action-aware Representation [50.608989079323784]
データと表現の両方の観点から,触覚コモンセンス推論をオープンワールドに拡張する触覚言語フレームワークであるTouchThinkerを提案する。
まず,Textbf415オブジェクト, textbf8シナリオ, textbf7センサタイプをカバーする,100万規模のマルチソース触覚推論データセットであるTouchThinker-1Mを構築した。
そこで本研究では,触覚表現効率を向上し,効率的な推論を可能にする行動認識モデリング機構を提案する。
論文 参考訳（メタデータ） (2026-06-10T03:58:32Z) - OPENTOUCH: Bringing Full-Hand Touch to Real-World Interaction [93.88239833545623]
OpenTouchは、最初のインザワイルドなエゴセントリックなフルハンド触覚データセットです。
触覚信号は,理解のためのコンパクトで強力なキューを提供する。
我々は,マルチモーダルな自我中心の知覚,具体的学習,接触に富むロボット操作の促進を目指す。
論文 参考訳（メタデータ） (2025-12-18T18:18:17Z) - 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) - Touch in the Wild: Learning Fine-Grained Manipulation with a Portable Visuo-Tactile Gripper [7.618517580705364]
触覚センサーを内蔵した携帯型軽量グリップについて述べる。
視覚信号と触覚信号を統合するクロスモーダル表現学習フレームワークを提案する。
試験管挿入や管状流体移動などの細粒度タスクに対する本手法の有効性を検証した。
論文 参考訳（メタデータ） (2025-07-20T17:53:59Z) - Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
人間は触覚と触覚に頼っている。
視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。
本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
論文 参考訳（メタデータ） (2023-03-10T16:27:37Z) - Dynamic Modeling of Hand-Object Interactions via Tactile Sensing [133.52375730875696]
本研究では,高分解能な触覚グローブを用いて,多種多様な物体に対して4種類のインタラクティブな動作を行う。
我々は,クロスモーダル学習フレームワーク上にモデルを構築し,視覚処理パイプラインを用いてラベルを生成し,触覚モデルを監督する。
この研究は、高密度触覚センシングによる手動物体相互作用における動的モデリングの一歩を踏み出す。
論文 参考訳（メタデータ） (2021-09-09T16:04:14Z) - Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。
EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。
さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
論文 参考訳（メタデータ） (2021-08-11T03:49:59Z)
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。