論文の概要: DexCast: Learning Real-World Dexterous Control from Human Videos

• arxiv url: http://arxiv.org/abs/2610.14691v2
• Date: Wed, 14 Oct 2026 07:14:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.089432
• Title: DexCast: Learning Real-World Dexterous Control from Human Videos
• Title（参考訳）: DexCast:人間のビデオから現実世界のデクサラスコントロールを学習する
• Abstract要約: DEXCASTは、単眼のRGB-Dビデオから直接、器用なロボットハンドコントロールを学習するフレームワークである。 また,DexHand Motion Perception Moduleを提案する。
• 参考スコア（独自算出の注目度）: 23.755261304053267
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in 3D hand-object interaction (HOI) perception have opened new opportunities for learning dexterous robotic skills from human videos. However, existing dexterous imitation learning methods often rely on costly and manually teleoperated robot demonstrations, requiring substantial human effort. Therefore, we build DEXCAST, a framework that learns dexterous robotic hand control directly from monocular RGB-D videos by leveraging joint HOI reconstructions, without requiring any teleoperation. Furthermore, how to model high-dimensional robotic hand motion and extract temporal context to inform future action generation remains a key challenge. To this end, we propose a DexHand Motion Perception Module (DMPM) to capture inter-joint coordination and temporal dependencies in compact latent representations that condition our diffusion policy. Extensive real-world experiments demonstrate that DEXCAST achieves exceptional performance across diverse dexterous manipulation tasks.
• Abstract（参考訳）: 近年の3Dハンドオブジェクトインタラクション(HOI)の進歩は、人間のビデオから繊細なロボットスキルを学習する新たな機会を生み出している。 しかし、既存の巧妙な模倣学習法は、しばしばコストが高く手動で遠隔操作されたロボットのデモンストレーションに頼り、かなりの努力を要する。 そこで我々は,単眼のRGB-Dビデオから直接,遠隔操作を必要とせず,共同でのHOI再構成を活用することで,ロボットハンドコントロールを学習するフレームワークであるDEXCASTを構築した。 さらに, 高次元ロボットハンドの動きをモデル化し, 時間的文脈を抽出して将来のアクション生成を知らせる方法については, 依然として重要な課題である。 そこで本稿では,DexHand Motion Perception Module (DMPM) を提案する。 大規模な実世界の実験により、DEXCASTは様々な操作タスクにまたがって例外的なパフォーマンスを達成することが示されている。

関連論文リスト

• AdvDex: Learning Dexterous Manipulation from Human Demonstrations via Joint-Aligned Actions and Adversarial Learning [25.241504281004243]
  本稿では,人間とロボットのデモから,器用な操作を学ぶためのフレームワークであるAdvDexを紹介する。 まず、人間の操作デモの大規模マルチモーダルデータセットであるOmniShareを紹介する。 第2に,手首ポーズが$mathrmSE(3)$および15指関節からなる標準動作表現であるJAAS(Joint-Aligned Action Space)を提案する。 第3に,学習した視覚表現における具体的情報を減らすために,ドメイン・アドバイサル・ラーニングを用いる。
  論文  参考訳（メタデータ） (2026-08-14T07:19:06Z)
• DexImit: Learning Bimanual Dexterous Manipulation from Monocular Human Videos [56.64773686434068]
  DexImitは、人間の操作映像を物理的に妥当なロボットデータに変換する自動フレームワークである。 DexImitは、インターネットまたはビデオ生成モデルから、人間のビデオに基づいて大規模なロボットデータを生成することができる。 ツールの使用、長距離タスク、きめ細かい操作を含む多様な操作タスクを処理できる。
  論文  参考訳（メタデータ） (2026-02-10T18:59:02Z)
• VidBot: Learning Generalizable 3D Actions from In-the-Wild 2D Human Videos for Zero-Shot Robotic Manipulation [53.63540587160549]
  VidBotは、WildのモノクルなRGBのみの人間ビデオから学習した3Dアベイランスを使って、ゼロショットロボット操作を可能にするフレームワークである。 VidBotは、人間の日常的なビデオを利用してロボットの学習をよりスケーラブルにする。
  論文  参考訳（メタデータ） (2025-03-10T10:04:58Z)
• RealDex: Towards Human-like Grasping for Robotic Dexterous Hand [64.33746404551343]
  本稿では,人間の行動パターンを取り入れた手の動きを正確に把握する先駆的データセットであるRealDexを紹介する。 RealDexは、現実のシナリオにおける認識、認識、操作を自動化するためのヒューマノイドロボットを進化させる上で、大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2024-02-21T14:59:46Z)
• 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。