論文の概要: Kinematic Nonlinear Spatio-Temporal Trajectory Warping for Contact-Rich Dexterous Manipulation Demonstrations
- arxiv url: http://arxiv.org/abs/2609.36676v1
- Date: Tue, 29 Sep 2026 04:15:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.177376
- Title: Kinematic Nonlinear Spatio-Temporal Trajectory Warping for Contact-Rich Dexterous Manipulation Demonstrations
- Title（参考訳）: 接触リッチ Dexterous Manipulation Demonstrations のための運動非線形時空間軌跡ウォーピング
- Abstract要約: 本稿では,既存のコンタクトリッチなデキスタラスな操作デモを再利用する手法を提案する。
提案手法は,中間経路点,環境バリア,時間シフト,起動/終了設定の変動を考慮した高品質な非線形トラジェクトリワープを出力する。
- 参考スコア（独自算出の注目度）: 5.254870378189513
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a straightforward but effective method for repurposing existing contact-rich dexterous manipulation demonstrations. Starting from inputs of hand and object trajectories, our method outputs high-quality nonlinear trajectory warps that account for intermediate waypoints, environmental barriers, temporal shifts, and varied start/end configurations. Foundational to our method is the utilization of contact distributions, which we show allows us to reliably compute complex and high-dimensional dexterous hand trajectories following a simple object-centric warp specification pipeline. We evaluate our method across 12 variations sourced from 4 demonstrations in a publicly available dataset of human hand motion data, perform baseline comparisons, and demonstrate generalization of our approach to different manipulators. Results and code will be made available on publication.
- Abstract（参考訳）: 本稿では,既存の接触リッチなデキスタラスな操作動作を再現する,単純だが効果的な方法を提案する。
本手法は,手・物体軌跡の入力から始まり,中間経路,環境バリア,時間的シフト,起動/終了設定の変動を考慮した高品質な非線形トラジェクトリワープを出力する。
本手法の基礎は, 接触分布の利用であり, 簡単な物体中心のワープ仕様パイプラインに従って, 複雑かつ高次元の手指軌跡を確実に計算できることを示す。
我々は,人手の動きデータの公開データセットにおける4つのデモンストレーションから得られた12種類のバリエーションについて評価し,ベースライン比較を行い,異なるマニピュレータへのアプローチの一般化を実証した。
結果とコードは公開で公開されます。
関連論文リスト
- When Preference Labels Fall Short: Aligning Diffusion Models from Real Data [65.80726604713614]
選好アライメントは、選好サンプルと非選好サンプルの比較から学習することで生成モデルを導くことを目的としている。
既存のアプローチのほとんどは、モデル生成画像から構築された選好ペアに依存している。
我々は、実際のデータが優先調整のための代替の監督源として機能するかどうかを考察する。
論文 参考訳（メタデータ） (2026-05-19T13:35:11Z) - Learning Generalizable Hand-Object Tracking from Synthetic Demonstrations [71.15185260689928]
本研究では,人間による実演を必要とせず,合成データから汎用的な手動物体追跡制御系を学習するシステムを提案する。
提案手法は,(1)多種多様な対象物軌跡を合成可能なハンドオブジェクトプランナであるHOPと,(2)強化学習と相互作用模倣学習を通じて合成と物理の伝達をブリッジするハンドオブジェクトトラッカーであるHOTの2つの重要な貢献を行う。
論文 参考訳（メタデータ） (2025-12-22T17:08:54Z) - RetroMotion: Retrocausal Motion Forecasting Models are Instructable [11.883714030537028]
本研究では,情報の流れの逆因性を含む動作予測のためのマルチタスク学習手法を開発した。
本手法はArgoverse 2データセットによく当てはまる。
実験の結果,運動予測の定期的な訓練は,目標に基づく指示に従う能力に繋がることがわかった。
論文 参考訳（メタデータ） (2025-05-26T18:05:59Z) - SIGHT: Synthesizing Image-Text Conditioned and Geometry-Guided 3D Hand-Object Trajectories [124.24041272390954]
手動物体の相互作用をモデル化することは、ロボットと具体化されたAIシステムを前進させる大きな可能性を秘めている。
SIGHTは、1つの画像から現実的で物理的に妥当な3Dハンドオブジェクトインタラクショントラジェクトリを生成することに焦点を当てた,新しいタスクである。
SIGHT-Fusionは,データベースから最もよく似た3Dオブジェクトメッシュを抽出し,この課題に対処する,新しい拡散型画像文条件付き生成モデルを提案する。
論文 参考訳（メタデータ） (2025-03-28T20:53:20Z) - Multi-Keypoint Affordance Representation for Functional Dexterous Grasping [26.961157077703756]
本稿では,機能的デキスタラスグルーピングのためのマルチキーポイントアプライアンス表現を提案する。
本手法は,機能的接触点の局在化により,タスク駆動型グリップ構成を符号化する。
提案手法は,手頃な局所化精度,一貫性の把握,未知のツールやタスクへの一般化を著しく改善する。
論文 参考訳（メタデータ） (2025-02-27T11:54:53Z) - Diffusion Generative Flow Samplers: Improving learning signals through
partial trajectory optimization [87.21285093582446]
Diffusion Generative Flow Samplers (DGFS) はサンプルベースのフレームワークであり、学習プロセスを短い部分的軌道セグメントに分解することができる。
生成フローネットワーク(GFlowNets)のための理論から着想を得た。
論文 参考訳（メタデータ） (2023-10-04T09:39:05Z) - Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
本稿では,3次元形状対応のための教師なし学習手法を提案する。
提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2020-10-28T22:24:07Z)
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。