論文の概要: TeleHairing: A Teleoperation Baseline for Robotic Haircutting
- arxiv url: http://arxiv.org/abs/2610.07096v1
- Date: Mon, 05 Oct 2026 13:38:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.549555
- Title: TeleHairing: A Teleoperation Baseline for Robotic Haircutting
- Title（参考訳）: TeleHairing:ロボットヘアカットのための遠隔操作ベースライン
- Abstract要約: 既存の研究では、人間のトライアルやより強力な自律性の前に結合した行動を分析するためのオペレーター・イン・ザ・ループ参照がまだ欠けている。
本稿では,局所的,リレー的,遠隔的展開条件下でのマニキン型ロボットヘアカット評価のためのクローズドループ遠隔操作アーキテクチャであるTeleHairingを提案する。
- 参考スコア（独自算出の注目度）: 14.923459512618917
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robotic haircutting requires controlled tool motion near the head while simultaneously accounting for communication, visual feedback, tool actuation, and interruption handling. Existing studies still lack an operator-in-the-loop reference for analyzing these coupled behaviors before human trials or stronger autonomy. This paper presents TeleHairing, a closed-loop teleoperation architecture for mannequin-based robotic haircutting evaluation under local, relay, and remote deployment conditions. Logged timing shows that the main remote latency increase occurs before the robot-side control endpoint: overall timing reached 190.5~ms in remote mode, while robot-side command queue, control processing, and control-to-robot timing remained similar across modes. Trajectory analysis shows that the larger remote command-following error was dominated by the terminal withdrawal segment rather than accumulated uniformly over the path; excluding this segment reduced remote root-mean-square error (RMSE) from 45.1 mm to 9.6 mm. Detection-loss trials further show that rebase events resumed motion without a large target jump under the tested condition. These results clarify how deployment, execution, and interruption affect the robotic haircutting teleoperation loop, providing a quantitative reference for future autonomy, safety, and user-facing studies.
- Abstract（参考訳）: ロボットのヘアカットは、コミュニケーション、視覚フィードバック、ツールアクティベーション、中断処理を同時に考慮しながら、頭の近くで制御されたツールの動きを必要とする。
既存の研究では、人間のトライアルやより強力な自律性の前に、これらの結合した行動を分析するためのオペレーター・イン・ザ・ループ・リファレンスはいまだに存在しない。
本稿では,局所的,リレー的,遠隔的展開条件下でのマニキン型ロボットヘアカット評価のためのクローズドループ遠隔操作アーキテクチャであるTeleHairingを提案する。
ログ化されたタイミングは、ロボット側の制御エンドポイントの前に、主要なリモート遅延の増加が生じることを示している: 全体的なタイミングは、リモートモードで190.5~msに達し、一方、ロボット側のコマンドキュー、制御処理、制御-ロボットタイミングは、モード全体で類似したままである。
軌道解析により、より大きな遠隔コマンド追従誤差は、経路上に均一に蓄積されるのではなく、終端の離脱セグメントによって支配され、このセグメントを除いて、リモートルート平均二乗誤差(RMSE)は45.1mmから9.6mmに減少していた。
検出損失試験は、試験条件下での大きな目標ジャンプを伴わずに、リベースイベントが動きを再開することを示している。
これらの結果は,ロボットヘアカット遠隔操作ループの展開,実行,中断がどう影響するかを明らかにし,将来の自律性,安全性,ユーザを対象とした研究の定量的参照を提供する。
関連論文リスト
- Traceable Human-to-Humanoid Sign Language Benchmarking [87.8147609048596]
ヒューマノイド署名は、ビデオから派生した人間の動きを、言語的な動きの手がかりを保持しながらロボットの軌跡に変換する必要がある。
我々は20,648の文レベルの中国語手話列のデータセットとベンチマークであるHuoidCSL-20Kを紹介する。
論文 参考訳（メタデータ） (2026-09-27T08:24:57Z) - The Missing Touch: Spatially Distributed Tactile Feedback Brings Teleoperation Closer to Human Dexterity [0.6372261626436676]
遠隔操作における基本的な課題は、オペレーターがロボットを自分の手のように努力的に直感的に制御できるようにすることである。
ここでは,遠隔操作ロボット上での再生時の操作性能だけでなく,タスク性能も向上することを示す。
その結果、触覚フィードバックは、人間と遠隔操作のデキスタリティトレーニングと次世代の自律ロボットとのギャップを埋めるのに不可欠であることが示唆された。
論文 参考訳（メタデータ） (2026-08-19T18:41:00Z) - AHEAD: Anticipatory Hand-Driven Teleoperation via Human Intent Prediction [15.569640550342674]
AHEADはリアルタイムVR遠隔操作システムで、オペレーターの意図を予測して、積極的に手動制御を可能にする。
AHEADは、ロボットの反応遅延を、ベースラインに対する0.6秒(オブジェクト)と1.4秒(スロット)に短縮する。
論文 参考訳（メタデータ） (2026-07-16T16:21:40Z) - Towards Human-level Dexterous Teleoperation [62.77371751776912]
人レベルのデキスタラス遠隔操作は、動的手動物体接触による物体の動きを正確に制御する必要がある。
我々は,操作者の意図を学習された低レベルのコンタクト実行にマッピングするハンドオブジェクト・コトラッキング・コントローラであるTeleDexterを紹介した。
我々はTeleDexterを、物体の向きを変える7つの難易度遠隔操作タスクと、両手にわたる長距離ツールを用いて評価した。
論文 参考訳（メタデータ） (2026-07-13T12:36:47Z) - Closing the Loop in Teleoperation: Episode-Level Data Quality Assessment and Feedback for High-Quality Demonstration Collection [3.424028268271705]
本稿では,ロボットテレメトリとセマンティック・タスク・プログレスを基盤として,遠隔操作のループを閉じるフレームワークを提案する。
バイナリ成功や障害フィードバックとは異なり、提案システムでは、エピソードが最適以下である理由を説明し、次のトライアルで修正すべき特定の振る舞いを強調している。
論文 参考訳（メタデータ） (2026-05-25T21:52:08Z) - ZeroWBC: Learning Natural Visuomotor Humanoid Control Directly from Human Egocentric Video [52.78703020909145]
我々は、人間中心のビデオから直接、自然なヒューマノイドビジュモータ制御ポリシーを学ぶ新しいフレームワークであるZeroWBCを紹介した。
提案手法はまず視覚言語モデル(VLM)を微調整し,テキスト命令とエゴセントリックな視覚コンテキストに基づく将来の身体全体の動作を予測する。
ユニツリーG1ヒューマノイドロボットの実験では,動作の自然性と汎用性において,本手法がベースラインアプローチより優れていることが示された。
論文 参考訳（メタデータ） (2026-03-10T04:19:43Z) - Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。
Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。
ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2026-03-01T14:19:59Z) - MOSAIC: Bridging the Sim-to-Real Gap in Generalist Humanoid Motion Tracking and Teleoperation with Rapid Residual Adaptation [50.643488406438514]
一般のヒューマノイドモーショントラッカーは、データをスケーリングしてトレーニングすることで、強力なシミュレーション指標を達成したが、持続的な遠隔操作の間、ハードウェア上では不安定なままであることが多い。
複数のインタフェースをまたいだヒューマノイドモーショントラッキングと全身遠隔操作のためのオープンソースのフルスタックシステムMOSAICを提案する。
論文 参考訳（メタデータ） (2026-02-09T12:35:01Z) - Robot-R1: Reinforcement Learning for Enhanced Embodied Reasoning in Robotics [55.05920313034645]
本稿では,ロボット制御に特化して具体的推論を強化するため,強化学習を活用した新しいフレームワークであるRobot-R1を紹介する。
DeepSeek-R1学習アプローチにインスパイアされたRobot-R1は、推論に基づく応答をサンプリングし、より正確な予測につながるものを強化する。
実験の結果,ロボットR1で訓練したモデルは,具体的推論タスクにおいて,SFT法よりも優れていた。
論文 参考訳（メタデータ） (2025-05-29T16:41:12Z) - Towards Real-Time Generation of Delay-Compensated Video Feeds for Outdoor Mobile Robot Teleoperation [4.72849945313057]
本稿では,教師のための遅延補償画像をリアルタイムで生成するモジュール型学習ベースビジョンパイプラインを提案する。
提案手法は,我々の設定における最先端のアプローチと比較して,より正確な画像を生成する。
論文 参考訳（メタデータ） (2024-09-16T01:39:50Z)
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。