論文の概要: ExoBridge: Learning a Bare Hand to Hand-Worn Exoskeleton Mapping through Human Limb Coupling
- arxiv url: http://arxiv.org/abs/2610.07692v1
- Date: Tue, 06 Oct 2026 03:27:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.786642
- Title: ExoBridge: Learning a Bare Hand to Hand-Worn Exoskeleton Mapping through Human Limb Coupling
- Title（参考訳）: ExoBridge:人間の肢のカップリングを通して手作業のExoskeletonマッピングを学ぶ
- Abstract要約: 本稿では,手動ビデオからセンサ付き外骨格の運動・触覚状態まで,ブリッジ機能を学ぶフレームワークであるExoBridgeについて述べる。
収集中、片方の手は裸のままで視覚的な観察を提供し、もう一方の手は外骨格を着用し、同期した動きと触覚の測定を提供する。
4つの操作タスクにわたる1,215のデモンストレーションの評価では、プールされたAUROCは0.916で、ピアソン相関は0.790である。
- 参考スコア（独自算出の注目度）: 0.9134244356393667
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human video offers a scalable source of experience for dexterous robot learning, but obtaining motion and tactile supervision while preserving bare hand interaction remains challenging. We present ExoBridge, a framework that leverages human limb coupling to learn a bridging function from bare hand video to the motion and tactile state of a sensorized exoskeleton. Our central idea is to use coordinated bimanual behavior to connect an uninstrumented visual source with a measured manipulation interface. During collection, one hand remains bare and provides visual observations, while the opposite hand wears the exoskeleton and supplies synchronized motion and tactile measurements. These paired demonstrations train a temporal visual model to predict fingertip contact, continuous tactile intensity, and relative encoder motion from bare hand video alone. The exoskeleton defines an intermediate state space whose motion coordinates are linked to a dexterous robot hand through existing calibration. Evaluation on 1,215 demonstrations across four manipulation tasks uses held out collection sessions and yields a pooled any contact AUROC of 0.916 and a Pearson correlation of 0.790 for tactile intensity. The learned bridge also predicts relative changes in exoskeleton configuration from bare hand video. These results demonstrate that human limb coupling can turn exoskeleton measurements into supervision for bare hand video, establishing a learned bridge between human visual demonstrations and a robot oriented manipulation interface.
- Abstract（参考訳）: 人間のビデオは、器用なロボット学習のためのスケーラブルな体験源を提供するが、素手でのインタラクションを保ちながら、動きと触覚の監視を得るのは難しい。
本稿では,人間の手足の結合を活用して,手指ビデオからセンサ付き外骨格の運動・触覚状態に至るまでのブリッジ機能を学習するフレームワークであるExoBridgeについて紹介する。
我々の中心となる考え方は、調整されたバイマニュアルな動作を使用して、構成されていないビジュアルソースと測定された操作インターフェースを接続することです。
収集中、片方の手は裸のままで視覚的な観察を提供し、もう一方の手は外骨格を着用し、同期した動きと触覚の測定を提供する。
これらのペア化されたデモは、手首の接触、連続的な触覚強度、および裸手ビデオのみからの相対エンコーダの動きを予測するために、時間的視覚モデルを訓練する。
エクソスケルトンは、既存のキャリブレーションを通じて、動き座標が器用なロボットハンドにリンクされている中間状態空間を定義する。
4つの操作タスクにわたる1,215のデモンストレーションの評価では、収集セッションを保留し、0.916の接触AUROCと、触覚強度のパーソン相関0.790をプールする。
学習されたブリッジはまた、手動ビデオから外骨格構成の相対的な変化を予測する。
これらの結果から,人間の手足の結合は,外骨格の計測を手動ビデオの監督に変換し,人間の視覚的実演とロボット指向の操作インターフェースの間に学習された橋渡しを確立できることが示唆された。
関連論文リスト
- Robotizing Human Videos with Physically Consistent Interactions [54.27025073220947]
ビデオ編集の手法は手でレンダリングされたロボットに取って代わるが、不正確なインタラクションの再構築は不整合の把握を生み出す。
これらの障害には、相互作用幾何学とシーン可視性という2つの相補的な物理的側面から対処する。
その結果得られたビデオは、人間のデモの相互作用構造をロボット互換の形で保存し、ロボットのデモと共同で訓練される。
論文 参考訳（メタデータ） (2026-10-05T11:08:50Z) - CoDance: Learning Reactive and Compliant Human-Humanoid Interaction from Video [2.9350019437529427]
CoDanceは、ビデオからリアクティブで準拠する人間-ヒューマノイドインタラクションを学ぶためのフレームワークである。
我々は、人間型ロボットが動きのパートナーと歩数を調整するという、困難な瞬間として、パートナーダンスを研究した。
CoDanceは、人間のパートナーと持続的な2手舞踊を可能にし、前方と後方の運動の繰り返しの遷移を含む。
論文 参考訳（メタデータ） (2026-10-04T15:46:15Z) - Unified Visual-Tactile-Action Modeling from Human Demonstrations for Dexterous Manipulation [19.452443308926487]
有害な操作には触覚フィードバックが必要である。
人間のデモは、多様な触覚インタラクションのよりスケーラブルなソースを提供する。
我々は、人間の触覚データを活用して、巧妙な操作ポリシーを改善します。
論文 参考訳（メタデータ） (2026-09-28T02:59:16Z) - See to Reach, Feel to Grasp: Learning A Blind Grasp Reflex for Anthropomorphic Robotic Hands [52.43070416764809]
局所的な接触制御から大域的な腕の動きを分離するモジュラーデクスタラス把握アーキテクチャを提案する。
我々はこのテクティタをブラインド・グリーグ・リフレクションと呼び、画像や物体のポーズ、幾何学的な観察なしに把握する。
シミュレーションとハードウェアの実験では、多様な物体にまたがる堅牢なブラインド把握と、様々なアームコントローラによるシームレスな構成が示されている。
論文 参考訳（メタデータ） (2026-09-25T14:27:54Z) - Skel-WAM: A Hand-Skeleton-Conditioned World Action Model for Human-to-Robot Manipulation Transfer [61.50662046794264]
Skel-WAMは,ハンドスケルトン・モーション・インタフェースの統一による差異をブリッジする世界アクション・モデルである。
主な洞察は、人間の動きとロボットの動きを共通のハンドトポロジーで調整し、シーン内の地面の動きを、明示的な手の動きをエンコードする2.5Dキーポイントと組み合わせることである。
ビデオとキーポイントの専門家は、Mixture-of-Transformersを通じて視覚と骨格のダイナミクスを共同で学習し、ロボット訓練されたアクションエキスパートはこれらの予測を実行可能なコントロールにマップする。
論文 参考訳（メタデータ） (2026-09-18T09:06:15Z) - 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) - SEED-UMI: Sharing the Exoskeleton between human and robot for onE-to-one Dexterous demonstration [8.989813212279424]
本稿では,人間とロボットが同一のエクソスケルトンエンコーダを装着するフレームワークSEED-UMIを提案する。
5つのコンタクト豊富なタスクにおいて、SEED-UMIはExoskeletonベースの遠隔操作よりも3.0倍のデータ収集効率が向上し、平均ロールアウト成功率は70.0%である。
論文 参考訳（メタデータ） (2026-09-10T16:08:58Z) - TWINS: A Tactile Wearable Isomorphic Arm Networked System for Contact-Rich Manipulation Learning [1.7534350671150774]
既存のロボットシステムは、主にエンドエフェクター操作に焦点を当てている。
体表面接触を操作できるロボットシステムTWINSについて述べる。
論文 参考訳（メタデータ） (2026-08-03T05:56:51Z) - OPENTOUCH: Bringing Full-Hand Touch to Real-World Interaction [93.88239833545623]
OpenTouchは、最初のインザワイルドなエゴセントリックなフルハンド触覚データセットです。
触覚信号は,理解のためのコンパクトで強力なキューを提供する。
我々は,マルチモーダルな自我中心の知覚,具体的学習,接触に富むロボット操作の促進を目指す。
論文 参考訳（メタデータ） (2025-12-18T18:18:17Z) - DexVIP: Learning Dexterous Grasping with Human Hand Pose Priors from
Video [86.49357517864937]
DexVIPは,人間と物体のインタラクションビデオから,器用なロボットの把握を学習する手法である。
我々は、人間とオブジェクトのインタラクションビデオから把握した画像をキュレートし、エージェントの手のポーズに先行する。
DexVIPは、手ポーズの無い既存のアプローチや、特殊な遠隔操作機器に頼っている既存のアプローチと良好に比較できることを実証する。
論文 参考訳（メタデータ） (2022-02-01T00:45:57Z)
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。