論文の概要: RoboCap: A New Platform for Egocentric Robot Learning

• arxiv url: http://arxiv.org/abs/2610.07217v1
• Date: Mon, 05 Oct 2026 18:28:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.587777
• Title: RoboCap: A New Platform for Egocentric Robot Learning
• Title（参考訳）: RoboCap:エゴセントリックなロボット学習のための新しいプラットフォーム
• Abstract要約: RoboCapは250,gの6カメラのデュアルIMUハットで、Wildのエゴセントリックなデータキャプチャ用にデザインされている。 Grounded APIは、RoboCap用に調整されたデバイスに依存しない3Dアルゴリズムのスイートである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite its promise for scaling robot learning, egocentric manipulation data is still scarce today. Collection at scale requires vertically integrating ergonomic hardware with centimeter-precise 3D algorithms, at a precision that has not been publicly demonstrated. To address this gap, we introduce RoboCap, a 250\,g six-camera dual-IMU hat designed for in-the-wild egocentric data capture, and the Grounded API, a suite of device-agnostic 3D algorithms tuned for RoboCap. In this report, we demonstrate how hardware, calibration, and 3D algorithms interact to achieve state-of-the-art performance on the public benchmarks: our SLAM across diverse settings and rigs, our depth estimation on egocentric settings, and our hand tracking when adapted to third-party devices.
• Abstract（参考訳）: ロボット学習のスケールを約束しているにもかかわらず、エゴセントリックな操作データはいまだに不足している。 大規模な収集には、人間工学ハードウェアとセンチメートル精度の3Dアルゴリズムを垂直に統合する必要がある。 このギャップに対処するために、我々はRoboCapという250\,gの6カメラのデュアルIMUハットと、RoboCap用に調整されたデバイスに依存しない3Dアルゴリズムの組であるGrounded APIを紹介した。 本稿では、ハードウェア、キャリブレーション、および3Dアルゴリズムが、さまざまな設定とリグにわたるSLAM、エゴセントリックな設定の深さ推定、サードパーティデバイスへの適応時の手追跡といった、公開ベンチマークにおける最先端のパフォーマンスを実現する方法を示す。

関連論文リスト

• Contrastive Action-Image Pre-training for Visuomotor Control [91.5630572541332]
  エンドエフェクタアクションのプロキシとして,大規模なエゴセントリックビデオからの人間の手ポーズを取り扱う視覚エンコーダであるCAIPを紹介する。 人間のビデオは32,041時間、ロボット操作のデータは88時間しかなく、CAIPは最先端の視覚エンコーダより優れています。
  論文  参考訳（メタデータ） (2026-06-15T20:00:20Z)
• Fiducial Exoskeletons: Image-Centric Robot State Estimation [21.491677821308688]
  画像に基づく3次元ロボット状態推定の再構成であるFiducial Exoskeletonsを紹介する。 まず,1枚のRGB画像から各リンクの6次元ポーズ推定として,ロボットの状態推定を行った。 第2に、学習することなく、リンクごとの6Dポーズ推定を堅牢でシンプルなものにします。
  論文  参考訳（メタデータ） (2026-01-12T22:04:25Z)
• RoboTAG: End-to-end Robot Configuration Estimation via Topological Alignment Graph [62.270763554624615]
  単眼のRGB画像からロボットのポーズを推定することは、ロボット工学とコンピュータビジョンにおける課題である。 既存の手法は通常、2Dビジュアルバックボーン上にネットワークを構築し、トレーニングのためにラベル付きデータに大きく依存する。 ロボットトポロジカルアライメントグラフ(RoboTAG)を提案する。このグラフは3次元分岐を組み込んで3次元前処理を注入し、2次元および3次元表現の共進化を可能にする。
  論文  参考訳（メタデータ） (2025-11-11T00:49:15Z)
• RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
  我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。 大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• Exploring 3D Human Pose Estimation and Forecasting from the Robot's Perspective: The HARPER Dataset [52.22758311559]
  本研究では,ユーザとスポット間のダイアドインタラクションにおける3次元ポーズ推定と予測のための新しいデータセットであるHARPERを紹介する。 キーノーベルティは、ロボットの視点、すなわちロボットのセンサーが捉えたデータに焦点を当てることである。 HARPERの基盤となるシナリオには15のアクションが含まれており、そのうち10つはロボットとユーザの間の物理的接触を含んでいる。
  論文  参考訳（メタデータ） (2024-03-21T14:53:50Z)
• EgoBody: Human Body Shape, Motion and Social Interactions from Head-Mounted Devices [76.50816193153098]
  EgoBodyは複雑な3Dシーンにおけるソーシャルインタラクションのための新しい大規模データセットである。 私たちはMicrosoft HoloLens2ヘッドセットを使って、RGB、奥行き、視線、頭と手のトラッキングなど、リッチなエゴセントリックなデータストリームを記録しています。 正確な3Dグラウンドトルースを得るため、マルチKinectリグでヘッドセットを校正し、多視点RGB-Dフレームに表現力のあるSMPL-Xボディーメッシュを適合させる。
  論文  参考訳（メタデータ） (2021-12-14T18:41:28Z)

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。