論文の概要: PanTact: Teaching Whole-Body Dexterity with a Wearable Contact Interface
- arxiv url: http://arxiv.org/abs/2610.12558v1
- Date: Thu, 08 Oct 2026 18:00:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.226163
- Title: PanTact: Teaching Whole-Body Dexterity with a Wearable Contact Interface
- Title（参考訳）: PanTact: ウェアラブル・コンタクト・インタフェースで全身のデキスタリティを教える
- Abstract要約: PanTactはヒューマノイド全体のデキスタリティを学び、適切な体表面で操作する。
身体接触センサーを付加せずに, ユニツリーG1ヒューマノイドにPanTactを配備する。
- 参考スコア（独自算出の注目度）: 35.43841373305211
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Humanoid robots have many degrees of freedom and contact surfaces, yet most loco-manipulation research restricts manipulation to the hands and avoids other body contacts with the environment. To extend manipulation beyond the hands, we present PanTact, a system that learns humanoid whole-body dexterity, the capability to manipulate with any suitable body surface, directly from robot-free human demonstrations. Our key idea is to use contact as manipulation-centric information that transfers across embodiments. Contact locations and timing specify the interactions needed to accomplish a task, while the robot chooses how to coordinate its body to realize them within its own physical constraints. Specifically, PanTact captures, learns, and executes whole-body contact via: 1) a wearable, robot-free data collection interface that augments egocentric vision and bimanual UMI grippers with whole-body modular contact patches to record body contact locations and states; 2) a visuomotor policy that mitigates the egocentric observation gap and predicts whole-body contact goals; and 3) contact-aware whole-body control formulations that realize active contact goals using suitable robot surfaces. We deploy PanTact on a Unitree G1 humanoid without additional body contact sensors, demonstrating whole-body dexterity involving body support, pushing, sweeping, and load-sharing. Website: https://pantact.github.io
- Abstract（参考訳）: ヒューマノイドロボットは多くの自由度と接触面を持っているが、ほとんどのロボマニピュレーション研究は手操作を制限し、他の身体と環境との接触を避ける。
手以外の操作を拡大するために、ロボットのない人間のデモから直接、適切な体表面で操作できる、ヒューマノイド全体のデキスタリティを学習するシステムであるPanTactを提案する。
私たちのキーとなるアイデアは、操作中心の情報としてコンタクトを使用することです。
接触位置とタイミングは、タスクを達成するのに必要な相互作用を指定し、ロボットは身体を調整して、自身の物理的制約の中でそれを実現する方法を選択する。
具体的には、PanTactは、次の方法で全身のコンタクトをキャプチャし、学習し、実行します。
1) ロボットのないウェアラブルなデータ収集インタフェースで、身体の接触位置や状態を記録するために、全身のモジュラー接触パッチで、エゴセントリックな視覚と双方向のUMIグリップを増強する。
2)自我中心の観察ギャップを緩和し、全身の接触目標を予測する自覚的政策
3) 適切なロボット表面を用いた接触目標を実現する接触認識全体制御の定式化。
そこで本研究では,Unitree G1ヒューマノイド上にPanTactを配備し,ボディサポート,プッシュ,スイーピング,ロードシェアリングを含む全身のデキスタリティを実証した。
ウェブサイト:https://pantact.github.io
関連論文リスト
- InterMimicGen: Scaling Humanoid Loco-Manipulation through Self-Evolving Motion Imitation [51.061592469527966]
自己進化型モーションアニメーションフレームワークであるInterMimicGenを紹介する。
まず、モーションキャプチャーされた人間と物体の相互作用を統合し、それらをヒューマノイドロボットの参照に再ターゲットする。
第2に,人間の手によるシミュレーションにおいて,これらの参照を実行する物理に基づくジェネラリストトラッカーを訓練する。
第3に、データフライホイールを閉じます。各ラウンドは、インタラクションの発生場所と動作方法に小さなタスク保存変更を施し、トラッカーを微調整し、シミュレートされた実行がタスクを完了した変種のみを保持する。
論文 参考訳（メタデータ） (2026-10-05T17:59:50Z) - VisTacAlign: Co-Training Dexterous Policies on Tactile Human and Robot Demonstrations [1.002991947914955]
VisTacAlignは、人間とロボットのデモに対する3D-視覚触覚のデクサラスなポリシーを共同訓練するためのフレームワークである。
グローブトラッキングされた人間の手の動きは、17-DoFの触覚ロボットハンドに1回指先修正を加えて再ターゲティングされる。
静電容量式触覚グローブは、信号空間内のロボットの指先センサーにアライメントされ、1つの指先力表現が解釈可能である。
論文 参考訳（メタデータ） (2026-09-25T08:12:04Z) - WT-UMI: Tactile-based Whole-Body Manipulation via Force-Supervised Contact-Aware Planning [7.150534189488604]
ばらばらで変形可能な、共有負荷オブジェクトの全身ヒューマノイド操作には、分散接触センシングと明示的な力規制が必要である。
本稿では,人間の操作者やヒューマノイドに装着したウェアラブルな全身触覚インタフェースである textbfWT-UMI を提案する。
論文 参考訳（メタデータ） (2026-06-11T11:45:58Z) - 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) - HoMMI: Learning Whole-Body Mobile Manipulation from Human Demonstrations [15.551927664158695]
Whole-Body Mobile Manipulation Interface (HoMMI)は、ロボットのない人間のデモから直接、全身のモバイル操作を学習する。
我々は、モバイル操作に必要なグローバルコンテキストをキャプチャするために、エゴセントリックな感覚でUMIインタフェースを拡張する。
私たちはこのギャップを、クロス・エボディメント・ハンド・アイ・ポリシー設計で明示的に埋めます。
論文 参考訳（メタデータ） (2026-03-03T18:36:49Z) - TWIST2: Scalable, Portable, and Holistic Humanoid Data Collection System [79.48781507497769]
既存のヒューマノイド遠隔操作システムは、分離された制御を使用するか、高価なモーションキャプチャー装置に依存している。
本稿では,携帯型モキャップフリーなヒューマノイド遠隔操作・データ収集システムであるTWIST2を紹介する。
長軸的,移動的ヒューマノイドスキルを実証し,約100%の成功率で15分で100個のデモを収集できる。
論文 参考訳（メタデータ） (2025-11-04T18:58:35Z) - Feel the Force: Contact-Driven Learning from Humans [52.36160086934298]
操作中のきめ細かい力の制御は、ロボット工学における中核的な課題である。
We present FeelTheForce, a robot learning system that model human tactile behavior to learn force-sensitive control。
提案手法は,5つの力覚的操作タスクで77%の成功率を達成した,スケーラブルな人間の監督において,堅牢な低レベル力制御を実現する。
論文 参考訳（メタデータ） (2025-06-02T17:57:52Z) - TWIST: Teleoperated Whole-Body Imitation System [28.597388162969057]
全身動作模倣によるヒューマノイド遠隔操作システムTWISTについて述べる。
我々は,強化学習と行動クローニングを組み合わせた,頑健で適応的で応答性の高い全身制御装置を開発した。
TWISTは、現実世界のヒューマノイドロボットが、前例のない、多目的で、調整された全身運動能力を達成できるようにする。
論文 参考訳（メタデータ） (2025-05-05T17:59:03Z) - HOMIE: Humanoid Loco-Manipulation with Isomorphic Exoskeleton Cockpit [52.12750762494588]
本稿では,半自律遠隔操作システムHOMIEを紹介する。
ペダルにマッピングされた身体制御のための強化学習ポリシー、腕制御のための異形外骨格アーム、手操作のためのモーションセンシンググローブを組み合わせている。
このシステムは完全なオープンソースであり、デモとコードはhttps://homietele.org/.com/で見ることができる。
論文 参考訳（メタデータ） (2025-02-18T16:33:38Z)
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。