論文の概要: ReDex: Repairing Sim-to-Real Dexterous Policies by Finger-Level Compliant Interaction
- arxiv url: http://arxiv.org/abs/2610.07525v1
- Date: Mon, 05 Oct 2026 23:47:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.717426
- Title: ReDex: Repairing Sim-to-Real Dexterous Policies by Finger-Level Compliant Interaction
- Title（参考訳）: ReDex:finger-Level Compliant InteractionによるSim-to-Real Dexterous Policiesの修復
- Abstract要約: シミュレーションで訓練された有害な操作ポリシーは、しばしば接触タイミングのエラーや強制規制のために現実世界への移動に失敗する。
本稿では,局所的な接触障害を補正し,触覚フィードバックを取り入れたシミュレーション学習ベースポリシーを現実世界に適用するためのフレームワークであるReDexを提案する。
- 参考スコア（独自算出の注目度）: 16.811675844117357
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dexterous manipulation policies trained in simulation often fail to transfer to the real world because of errors in contact timing and force regulation. Yet these policies can retain useful multi-finger coordination for task progression. We propose ReDex, a framework for adapting a simulation-trained base policy to the real world by correcting local contact failures and incorporating tactile feedback. Starting from a proprioception-only base policy, ReDex allows a human operator to physically correct contact failures at selected fingers under compliant control during real-world rollouts, while the frozen base policy continues to control the remaining fingers. These rollouts combine base policy execution, human-corrected finger motion, and fingertip force observations. We reconstruct force-informed targets from these rollouts to train a standalone force-conditioned policy via behavior cloning. This design reduces human correction effort, enables learning of contact regulation from real-world interaction, and introduces force feedback into a proprioception-only policy without tactile simulation or complex full-hand teleoperation. We evaluate ReDex on two challenging, contact-rich dexterous manipulation tasks on real hardware. Compared with sim-to-real transferred base policies, ReDex increases Object Flipping success rate from 14\% to 86\% across two objects and average Screwdriver Rotation progress from 26.0% to 95.3% across three objects.
- Abstract（参考訳）: シミュレーションで訓練された有害な操作ポリシーは、しばしば接触タイミングのエラーや強制規制のために現実世界への移動に失敗する。
しかし、これらのポリシーはタスク進行に有用なマルチフィンガーコーディネートを維持することができる。
本稿では,局所的な接触障害を補正し,触覚フィードバックを取り入れたシミュレーション学習ベースポリシーを現実世界に適用するためのフレームワークであるReDexを提案する。
プロプリセプションのみのベースポリシーから始まり、ReDexは人間のオペレーターが現実世界のロールアウト中に適合した制御下にある選択された指の接触障害を物理的に修正することを可能にする。
これらのロールアウトは、基本ポリシーの実行、人間の矯正された指の動き、指先力の観察を組み合わせたものだ。
我々は,これらのロールアウトから強制インフォームドターゲットを再構築し,行動クローニングを通じて独立的な強制条件ポリシーを訓練する。
この設計は、人間の修正の労力を減らし、現実世界の相互作用から接触制御の学習を可能にし、触覚シミュレーションや複雑なフルハンド遠隔操作をせずに、プロプレセプションのみのポリシーに力フィードバックを導入する。
実ハードウェア上での2つの難易度の高いデクスタラスな操作タスクについてReDexを評価した。
sim-to-realのベースポリシーと比較すると、ReDexは2つのオブジェクトで14\%から86\%に、スクロードライバーの回転平均は3つのオブジェクトで26.0%から95.3%に向上する。
関連論文リスト
- Learning Reflexive Behavior for Contact-Rich Manipulation [13.543798949207073]
接触に富んだ操作の間、ロボットとその環境間の相互作用は局所幾何学に関する情報を運ぶ。
これらの相互作用を利用するコントローラは、タスク意図を維持しながら環境制約に従うことができる。
我々は3つの単純な相互作用プリミティブのシミュレーションにおいて、固有反射ポリシーを学習する。
論文 参考訳（メタデータ） (2026-10-02T05:01:23Z) - Real-Time Force Regulation for Whole-Hand Dexterous Grasping [56.253219596767075]
本報告では, 接触の動的変化に対するリアルタイム力規制の枠組みについて述べる。
本手法は, 触覚を必要とせず, 全ハンドリンクにまたがる接触を幾何学的に推定する。
我々は,この力調節制御系を反応的リーチと統合し,手の動きを把握し,乱れ下で保持し,物体を失くした後の再生を可能にする。
論文 参考訳（メタデータ） (2026-09-24T16:31:51Z) - 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) - DexTeleop-0: Force-Aware Bimanual Dexterous Teleoperation with Ego-Centric Perception towards Shared Autonomy [6.652421441096025]
ロボット工学における基礎的な課題は、きめ細かな両面的な操作である。
従来の遠隔操作システムは、ボディーメントギャップが正確なキネマティックマッピングを妨げているため、コンタクトリッチなタスクでは失敗する。
遠隔操作パイプライン上での微粒な操作を可能にするために,触覚駆動型適応方式を提案する。
論文 参考訳（メタデータ） (2026-06-22T14:48:58Z) - TacCoRL: Integrating Tactile Feedback into VLA via Simulation [38.963250081631834]
視覚言語アクション(VLA)モデルは、ロボット操作のための強力な視覚、言語、行動の優先順位を提供する。
我々は、VLAポリシーに触覚フィードバックを注入するスケーラブルなフレームワークであるTacCoRLを提案する。
我々は,接触操作のためのクローズドループトレーニング環境として,実列シミュレータを用いる。
論文 参考訳（メタデータ） (2026-06-10T07:20:36Z) - Beyond Binary: Sim-to-Real Dexterous Manipulation with Physics-Grounded Contact Representation [51.463992799813816]
コンタクトリッチな操作における主要なボトルネックは、現実世界のデータ収集の難しさである。
物理原理に基づく効果的な触覚表現であるCenter-of-Pressureを紹介する。
我々は2つのブラインドで困難なコンタクトリッチな操作タスクについてCoPを評価する。
論文 参考訳（メタデータ） (2026-05-27T17:59:02Z) - Force Policy: Learning Hybrid Force-Position Control Policy under Interaction Frame for Contact-Rich Manipulation [55.969741720077565]
コンタクトリッチな操作は、人間のような知覚と力のフィードバックの統合を要求する。
既存の学習ベースのポリシは、これらの役割をモノリシックなネットワークに束縛することが多い。
本研究では,グローバル・ローカル・ビジョン・フォース・ポリシーを提案する。このポリシーでは,グローバル・グローバル・ポリシーが視覚を用いて自由空間動作を誘導し,接触時に,力フィードバックによる高周波ローカル・ポリシーが相互作用フレームを推定し,安定した相互作用のためのハイブリッド・フォース・ポジション・コントロールを実行する。
論文 参考訳（メタデータ） (2026-02-25T16:35:24Z) - Opening the Sim-to-Real Door for Humanoid Pixel-to-Action Policy Transfer [59.02729900344616]
GPUを加速したフォトリアリスティックなシミュレーションは、ロボット学習のためのスケーラブルなデータ生成パスを開いた。
視覚に基づくヒューマノイドロコ操作のための教師-学生-ブートストラップ学習フレームワークを開発した。
これは、純粋なRGB知覚を用いた多様な調音ロコ操作が可能な初めてのヒューマノイド・シム・トゥ・リアル政策である。
論文 参考訳（メタデータ） (2025-11-30T20:07:13Z) - Compliant Residual DAgger: Improving Real-World Contact-Rich Manipulation with Human Corrections [30.509556877210755]
CR-DAgger(Compliant Residual DAgger)を紹介する。
CR-DAgger は,1) コンプライアンス制御を活用したコンプライアンス・インターベンション・インタフェース,2) ロボットのポリシー実行を中断することなく,穏やかで正確なデルタ動作補正を実現すること,2) 力フィードバックと力制御を取り入れつつ,人間の修正から学習するコンプライアンス・レジデンシャル・ポリシーの定式化,の2つの新しい構成要素を含む。
本システムでは,最小限の補正データを用いた高精度なコンタクトリッチな操作タスクの性能向上と,2つの課題に対して基本方針成功率を50%以上向上させるとともに,再学習と微調整の両方に優れる。
論文 参考訳（メタデータ） (2025-06-20T01:57:47Z) - FACTR: Force-Attending Curriculum Training for Contact-Rich Policy Learning [70.65987250853311]
フォースフィードバックは、ほとんどのロボットアームで簡単に利用できるが、遠隔操作や政策学習では一般的には使われない。
本稿では,低コストで直感的で双方向な遠隔操作システムを提案し,従者アームの外部力を教師アームに伝える。
次に、FACTRというカリキュラムを利用した政策学習手法を導入し、学習を通して視覚入力を劣化させ、強度を低下させる。
論文 参考訳（メタデータ） (2025-02-24T18:59:07Z)
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。