論文の概要: ProxiDex: Learning Dynamics-Guided Proximity Policy for Dexterous Manipulation
- arxiv url: http://arxiv.org/abs/2609.16586v1
- Date: Tue, 15 Sep 2026 03:31:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.32834
- Title: ProxiDex: Learning Dynamics-Guided Proximity Policy for Dexterous Manipulation
- Title（参考訳）: ProxiDex: Dexterous Manipulationのための動的指導型プロキシポリシー
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 9.170854062817556
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-finger dexterous manipulation relies on stable hand-object interactions, yet these interactions are partially observable in practice. Visual observations are often occluded by the hand, tactile sensors introduce hardware-specific modalities and calibration burdens, and existing policies rarely model how these cues evolve under actions, making them brittle under contact uncertainty. To address these, we present ProxiDex, a dynamics-guided proximity policy framework that treats hand-object proximity as an interaction state for dexterous manipulation. ProxiDex reconstructs interaction point clouds and converts geometric distances into proximity cues, forming a hardware-agnostic contact representation that provides immersive feedback during VR teleoperation. Built on this representation, ProxiDex learns action-conditioned proximity dynamics with a coupled forward-inverse design: future observation latents are predicted from actions, while proximity variations are decoded from latent changes. Leveraging these dynamics, ProxiDex adaptively reweights proximity tokens across manipulation phases and uses dynamics-consistency supervision to guide policy inference, stabilizing action generation under unreliable visual feedback. Simulation and real-world experiments demonstrate improved success rates and robustness over representative baselines across standard, unseen objects, and perturbation scenarios. Additional visualizations are available at https://proxidex.github.io/.
- Abstract（参考訳）: マルチフィンガーデキスタラスな操作は安定な手動物体の相互作用に依存するが、これらの相互作用は実際には部分的に観察可能である。
触覚センサーはハードウェア固有のモダリティとキャリブレーションの負担を導入し、既存のポリシーはこれらのキューが動作中にどのように進化するかをモデル化することは滅多になく、接触の不確実性の下で脆くする。
これらの問題に対処するために,手動物体近接を手動操作のための相互作用状態として扱う動的誘導近接ポリシーフレームワークProxiDexを提案する。
ProxiDexは、インタラクションポイント雲を再構築し、幾何学的距離を近接キューに変換し、VR遠隔操作中に没入的なフィードバックを提供するハードウェアに依存しない接触表現を形成する。
この表現に基づいて構築されたProxiDexは、アクション条件付き近接力学を、結合されたフォワード・インバース設計で学習する:将来の観測潜時をアクションから予測し、近接変動を潜時変化から復号する。
これらのダイナミクスを活用して、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、ダイナミックス一貫性の監視を使用してポリシー推論をガイドし、信頼性の低い視覚フィードバックの下でアクション生成を安定化する。
シミュレーションと実世界の実験は、標準的な、見えないオブジェクト、摂動シナリオにまたがる代表的ベースラインよりも、成功率と堅牢性が改善されたことを示す。
さらなる視覚化はhttps://proxidex.github.io/.com/で公開されている。
関連論文リスト
- Bench2Dex: Benchmarking Visuo-Tactile Bimanual Dexterous Manipulation Across Dexterous Hands [99.00248904465089]
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。
論文 参考訳（メタデータ） (2026-09-14T15:22:59Z) - C2Dex: Contact-Consistent Reconstruction and Retargeting for Dexterous Manipulation from Monocular Video [47.458936125974226]
C2Dexは、共有インタラクションを中心に構築されたビデオからデクサラスまでの操作フレームワークである。
標準対象空間におけるノイズの多いフレームワイズ観測によって回収される安定した物体側の接触。
C2Dexは57.78%と26.67%というエンドツーエンドの成功率を達成した。
論文 参考訳（メタデータ） (2026-08-07T09:54:00Z) - AdaDexGrasp: Adaptive Dexterous Grasping via 3D Visuo-Tactile Representation Fusion [60.79507611737292]
人間は視覚知覚と触覚フィードバックをシームレスに統合することで、安定的で適応的な把握を実現する。
既存のロボットグルーピングアプローチは、視覚入力と接触後の触覚誘導適応機構の欠如に依存している。
本稿では, 把握生成, 実現可能性予測, 適応的改善を統合した統合型ビジュオタクティル・フュージョン・グリーティング・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-06T16:29:11Z) - From Imagined Futures to Executable Actions: Mixture of Latent Actions for Robot Manipulation [88.39072412680633]
将来の映像を実行可能な表現に変換する制御指向インタフェースであるMoLAを提案する。
我々は,シミュレーションベンチマークと実世界のロボット操作タスクに対するアプローチを評価した。
論文 参考訳（メタデータ） (2026-05-12T14:15:16Z) - SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。
本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。
SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-04-15T07:41:52Z) - Emerging Extrinsic Dexterity in Cluttered Scenes via Dynamics-aware Policy Learning [27.1809716948267]
乱雑な環境下で,接触によって引き起こされる物体のダイナミクスを学習的に表現することで,政策学習を容易にするフレームワークを提案する。
提案手法は、包括的操作、人的遠隔操作、および事前表現に基づくポリシーを25%以上の成功率で上回る。
論文 参考訳（メタデータ） (2026-03-10T16:40:30Z) - Toward Operationalizing Rasmussen: Drift Observability on the Simplex for Evolving Systems [0.0]
障害へのドリフトのモニタリングはユークリッド異常検出によって妨げられる。
ラスムッセンの動的安全モデルは、競合する圧力の下でドリフトを動機付ける。
そこで本研究では,単純度に基づくドリフト可観測性に関するビジョンを提案する。
論文 参考訳（メタデータ） (2026-02-05T09:41:49Z) - Precise Action-to-Video Generation Through Visual Action Prompts [62.951609704196485]
アクション駆動のビデオ生成は、精度と一般性のトレードオフに直面している。
エージェント中心のアクション信号は、クロスドメイン転送可能性のコストで精度を提供する。
私たちはアクションをドメインに依存しない表現として正確に視覚的なプロンプトに"レンダリング"します。
論文 参考訳（メタデータ） (2025-08-18T17:12:28Z) - 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) - Diffusion Transformer Policy [48.50988753948537]
本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。
トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
論文 参考訳（メタデータ） (2024-10-21T12:43:54Z)
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。