論文の概要: FOMI: A Force-Feedback Manipulation Interface for Teaching Contact-Rich Manipulation
- arxiv url: http://arxiv.org/abs/2610.19839v1
- Date: Wed, 14 Oct 2026 09:10:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.064523
- Title: FOMI: A Force-Feedback Manipulation Interface for Teaching Contact-Rich Manipulation
- Title（参考訳）: FOMI: コンタクトリッチ操作を教えるフォースフィードバック操作インタフェース
- Abstract要約: FOMIは、ハサミ型機構を備えたフォースフィードバック操作インタフェースである。
本研究では,センサキャリブレーション,データ取得,ロボットフリーコレクションの同期処理を統合したデモコレクションシステムを構築した。
FOMIは、ロボットフリーのコレクションと遠隔操作において、最高のベースラインよりも、コレクション効率を約29%と18%向上させる。
- 参考スコア（独自算出の注目度）: 59.638802273101646
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robot-free collection with handheld interfaces enables scalable acquisition of human demonstrations for policy learning. However, existing handheld interfaces often provide limited intuitive force feedback, making contact-rich demonstration collection challenging for human operators. To address this, we present FOMI, a force-feedback manipulation interface with a scissor-shaped mechanism, which transmits object interaction forces directly to the operator's hands through actuation links without force sensors. This intuitive force feedback supports real-time action adjustment during robot-free collection of contact-rich demonstrations. Around FOMI, we build a demonstration collection system that integrates sensor calibration, data acquisition, and synchronization for robot-free collection. By further mapping pose changes and gripper opening of FOMI to robot end-effector poses and gripper commands, the system also supports teleoperation. Across four contact-rich tasks, FOMI improves collection efficiency by approximately 29% and 18% over the best baselines in robot-free collection and teleoperation, respectively. Demonstrations collected with FOMI in both modes enable policies to perform challenging contact-rich manipulation tasks with high success rates.
- Abstract（参考訳）: ハンドヘルドインターフェースを備えたロボットフリーコレクションは、ポリシー学習のための人間のデモをスケーラブルに取得することを可能にする。
しかし、既存のハンドヘルドインタフェースは直感的な力のフィードバックが限られており、人間の操作者にとってコンタクトリッチなデモコレクションは困難である。
そこで本研究では,力覚センサを使わずに動作リンクを介して操作者の手に直接物体の相互作用力を伝達する機構を備えた力覚フィードバックインタフェースFOMIを提案する。
この直感的な力フィードバックは、ロボットのないコンタクトリッチなデモの収集中のリアルタイムな動作調整をサポートする。
FOMIの周辺では,センサキャリブレーション,データ取得,ロボットフリーコレクションの同期などを統合したデモ収集システムを構築している。
FOMIのポーズ変更とグリップの開口をロボットのエンドエフェクターのポーズとグリップのコマンドにマッピングすることで、遠隔操作もサポートする。
FOMIは4つのコンタクト豊富なタスクに対して,ロボットフリーのコレクションと遠隔操作において,最高のベースラインよりも約29%,18%のコレクション効率を向上する。
FOMIを両モードで収集したデモでは、高い成功率でコンタクトリッチな操作タスクを挑戦することができる。
関連論文リスト
- DITTO: Dexterous Interface for Transparent TeleOperation [7.23241288025359]
7-DOFロボットハンドと運動学的に等価な運動性外骨格を提示する。
エクソスケルトンとロボットハンド間の1対1のアクチュエータマッピングにより、ハンドヘルドデータ収集と、ジョイントレベルのフィードバックを単一のプラットフォームに統合した双方向遠隔操作が可能になる。
我々は,DITTOエキソスケルトンがオペレーターの自然なインデックス・トゥ・サンプブワークスペースにまたがることを示した。
論文 参考訳（メタデータ） (2026-09-16T01:12:52Z) - 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) - ActiveGlasses: Learning Manipulation with Active Vision from Ego-centric Human Demonstration [51.69384671495837]
ActiveGlassesは、エゴ中心の人間のデモからロボット操作を学習するシステムである。
スマートグラスに装着されたステレオカメラは、データ収集とポリシー推論の両方のための唯一の認識装置として機能する。
ゼロ・トランスファーを可能にするために,デモからオブジェクト・トラジェクトリを抽出し,オブジェクト中心のポイント・クラウド・ポリシーを用いて操作と頭部運動を協調的に予測する。
論文 参考訳（メタデータ） (2026-04-09T17:59:08Z) - Feel Robot Feels: Tactile Feedback Array Glove for Dexterous Manipulation [29.061513339025026]
我々は,手の動きを正確に捉え,高精度な触覚フィードバックを組み込んだ低コストグローブシステムTAGを提案する。
モーションキャプチャーのために、TAGはドリフトフリーで電磁力のある21-DoF関節追跡を提供する非接触磁気センシング設計を採用している。
我々は,TAGが接触幾何学と動的力の信頼性の高いリアルタイム認識を可能にし,接触豊富な遠隔操作タスクの成功率を向上させるとともに,学習に基づく操作のための実演データ収集の信頼性を高めることを示す。
論文 参考訳（メタデータ） (2026-03-30T15:04:13Z) - TouchGuide: Inference-Time Steering of Visuomotor Policies via Touch Guidance [53.35296919674763]
TouchGuideは、低次元のアクション空間内でモダリティを融合させる、クロス政治的なビズオ触覚融合パラダイムである。
TouchGuideは、事前訓練された拡散またはフローマッチングビズモータポリシーをガイドする2つの段階で動作する。
高品質で費用対効果の高いデータによるTouchGuideトレーニングを容易にするために,データ収集システムであるTacUMIを導入する。
論文 参考訳（メタデータ） (2026-01-28T04:22:47Z) - CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。
CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。
そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
論文 参考訳（メタデータ） (2025-12-16T18:56:04Z) - End-to-End Dexterous Arm-Hand VLA Policies via Shared Autonomy: VR Teleoperation Augmented by Autonomous Hand VLA Policy for Efficient Data Collection [10.217810309422232]
マクロモーションとマイクロモーションの制御を分割するフレームワークを提案する。
人間のオペレーターが直感的なVR遠隔操作を通してロボットの腕のポーズをガイドします。
自律的なDexGrasp-VLAポリシは、リアルタイム触覚と視覚フィードバックを使用して、きめ細かい手制御を処理する。
論文 参考訳（メタデータ） (2025-10-31T16:12:02Z) - Whole-Body Teleoperation for Mobile Manipulation at Zero Added Cost [8.71539730969424]
MoMa-Teleopは、既存のインターフェースからエンドエフェクタ動作を推測する新しい遠隔操作手法である。
提案手法は,様々なロボットやタスクに対して,タスク完了時間が大幅に短縮されることを実証する。
論文 参考訳（メタデータ） (2024-09-23T15:09:45Z) - Learning Variable Compliance Control From a Few Demonstrations for Bimanual Robot with Haptic Feedback Teleoperation System [5.497832119577795]
厳格なロボットを使った、きめ細やかな、接触に富んだ操作は、ロボット工学において重要な課題である。
外部センサを介して力を制御することでこれらの問題を緩和するために、コンプライアンス制御スキームが導入されている。
Demonstrationsからの学習は直感的な代替手段であり、ロボットは観察された動作を通じて操作を学習できる。
論文 参考訳（メタデータ） (2024-06-21T09:03:37Z) - Learning Multi-Arm Manipulation Through Collaborative Teleoperation [63.35924708783826]
模倣学習(il)はロボットに操作タスクを実行するための強力なパラダイムである。
多くの現実世界のタスクは、重い物体を持ち上げる、デスクを組み立てるなど、複数のアームを必要とする。
複数のリモートユーザが同時にロボットアームを遠隔操作できるマルチユーザデータ収集プラットフォームであるMulti-Arm RoboTurk(MART)を紹介した。
論文 参考訳（メタデータ） (2020-12-12T05:43:43Z)
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。