論文の概要: TacClaw-Infinity: A Large-Scale Vision-Tactile-Language-Action Dataset for Dexterous Manipulation
- arxiv url: http://arxiv.org/abs/2610.20320v1
- Date: Wed, 14 Oct 2026 15:06:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.214425
- Title: TacClaw-Infinity: A Large-Scale Vision-Tactile-Language-Action Dataset for Dexterous Manipulation
- Title（参考訳）: TacClaw-Infinity: Dexterous Manipulationのための大規模視触覚処理データセット
- Abstract要約: コンタクトリッチな操作のための大規模構造化された視覚触覚・言語・行動データセットであるTacClaw-Infinityを提案する。
TacClaw-Infinityは、家庭、研究所、工業用職場、小売店、屋外環境にまたがる世界中に散在するコレクションを通じて構築されている。
我々は、軌道再構成、マルチモーダル品質制御、エンボディメント対応フィルタリング、構造化アノテーションのためのスケーラブルなパイプラインを開発する。
- 参考スコア（独自算出の注目度）: 115.97509699601837
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large-scale robot learning increasingly relies on diverse human demonstrations, yet tactile manipulation data remain difficult to scale, and existing multimodal datasets often lack consistent quality control and structured supervision. We present TacClaw-Infinity, a large-scale structured Vision-Tactile-Language-Action (VTLA) dataset for contact-rich manipulation, collected with TacClaw, a tactile-enabled UMI-style handheld interface that records synchronized visual observations, fingertip tactile signals, and end-effector trajectories without requiring a target robot during data collection. TacClaw-Infinity is built through a distributed worldwide collection across homes, laboratories, industrial workplaces, retail stores, and outdoor environments including tasks contributed by academic and industrial collaborators. Together, these efforts yield over 10,000 hours, 1 million episodes, and 1 billion frames spanning more than 1,000 task types. We develop a scalable pipeline for trajectory reconstruction, multimodal quality control, embodiment-aware filtering, and structured annotation, covering contact-centric segmentation, subtask description, and spatial grounding. We validate TacClaw-Infinity at both the data and model levels: At the data level, we assess the collection interface, the action-space compatibility of the curated demonstrations, and the structured annotations, while for the model level, we demonstrate cross-embodiment transfer across three heterogeneous robots without robot-specific demonstrations.
- Abstract（参考訳）: 大規模なロボット学習は、多種多様な人間のデモンストレーションにますます依存しているが、触覚操作データはスケールが難しいままであり、既存のマルチモーダルデータセットには、一貫した品質管理と構造化された監視が欠如していることが多い。
本稿では,コンタクトリッチな操作のための大規模構造化されたVTLAデータセットであるTacClaw-Infinityを,データ収集中にターゲットロボットを必要とせずに,視界の同期,指先触覚信号,エンドエフェクタ軌道を記録できる触覚対応UMIスタイルのハンドヘルドインタフェースであるTacClawで収集する。
タッククロー・インフィニティは、家庭、研究所、工業用職場、小売店、屋外環境にまたがって世界中に散在するコレクションを通じて構築されている。
これらの取り組みによって、1万時間以上、100万回、1000以上のタスクタイプにまたがる10億のフレームが生成される。
我々は,トラジェクトリ再構成,マルチモーダル品質制御,エンボディメント対応フィルタリング,構造化アノテーションのためのスケーラブルなパイプラインを開発し,接触中心のセグメンテーション,サブタスク記述,空間接地をカバーした。
データレベルでは、収集インターフェース、キュレートされたデモのアクション空間互換性、構造化アノテーションを評価し、モデルレベルでは、ロボット固有のデモのない3つの異種ロボット間での異種間移動を示す。
関連論文リスト
- STAR: Sparse Tactile Representation Learning in Vision-Tactile-Language-Action Models for Dexterous Manipulation [24.489844571043808]
悪質な操作には、協調した多指制御と効果的な触覚フィードバックが必要である。
ロボットプラットフォームと遠隔操作システムを構築し,200時間の両面的な操作データセットを収集する。
視覚触覚-言語-アクションモデルのための統合学習法STARを提案する。
論文 参考訳（メタデータ） (2026-09-11T07:57:24Z) - VTouch++: A Multimodal Dataset with Vision-Based Tactile Enhancement for Bimanual Manipulation [10.08235353271524]
近年、身体知能は急速に進歩しているが、特に接触に富むタスクにおけるバイマニュアル操作は依然として困難である。
これは主に、リッチな物理的相互作用信号、システマティックなタスク編成、十分なスケールのデータセットが不足しているためである。
VTOUCHデータセットを導入し、高忠実な物理的相互作用信号を提供し、マトリックススタイルのタスク設計を採用し、実世界の需要駆動シナリオをカバーする自動データ収集パイプラインを採用する。
論文 参考訳（メタデータ） (2026-04-22T11:08:08Z) - OmniVTA: Visuo-Tactile World Modeling for Contact-Rich Robotic Manipulation [57.133721026727706]
textbfOmniViTacは,16ドルのタスクと100ドル以上のオブジェクトからなる21,000ドル以上のトラジェクトリからなる大規模ビズオタクティルアクションデータセットである。
我々は4つの密結合モジュールを統合する世界モデルベースのビジュオ触覚操作フレームワークである textbf OmniVTA を提案する。
論文 参考訳（メタデータ） (2026-03-19T17:52:42Z) - MobileManiBench: Simplifying Model Verification for Mobile Manipulation [70.30578259859512]
MobileManiBenchは、モバイルベースのロボット操作のための大規模なベンチマークである。
MobileManiBenchには、2つのモバイルプラットフォーム(パラレルグリッパーとデキソラスハンドロボット)、2つの同期カメラ(頭と右手首)、630のオブジェクト(オープン、クローズ、プル、プッシュ、ピック)、5つのスキル(オープン、クローズ、プッシュ、ピック)、100以上のタスクが現実的なシーンで実行される。
論文 参考訳（メタデータ） (2026-02-05T02:49:52Z) - TacUMI: A Multi-Modal Universal Manipulation Interface for Contact-Rich Tasks [35.05859151174601]
我々は、ハンドヘルドデモデバイスUniversal Manipulation Interface(UMI)のアイデアに基づいて構築する。
本稿では,ViTacセンサ,力トルクセンサ,ポーズトラッカーをロボット互換グリップパーに組み込んだマルチモーダルデータ収集システムであるTacUMIを紹介する。
次に、時間モデルを利用して意味的に意味のあるイベント境界を検出するマルチモーダルセグメンテーションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-21T00:14:28Z) - RoboMIND 2.0: A Multimodal, Bimanual Mobile Manipulation Dataset for Generalizable Embodied Intelligence [59.39508501733987]
本稿では,RoboMIND 2.0について紹介する。これは310K以上のデュアルアーム操作トラジェクトリからなる,総合的な実世界のデータセットである。
コンタクトリッチで空間的に拡張されたタスクの研究を支援するため、データセットには12Kの触覚強調エピソードと20Kの移動操作トラジェクトリが組み込まれている。
RoboMIND 2.0の可能性をフル活用するために、オフライン強化学習により最適化された階層型デュアルシステムフレームワークであるMIND-2システムを提案する。
論文 参考訳（メタデータ） (2025-12-31T05:59:40Z) - FastUMI-100K: Advancing Data-driven Robotic Manipulation with a Large-scale UMI-style Dataset [55.66606167502093]
我々は,大規模なUMIスタイルのマルチモーダルデモデータセットであるFastUMI-100Kを提案する。
FastUMI-100Kは、現実世界のロボットデモデータの多様な要求を満たすために、よりスケーラブルで柔軟性があり、適応可能なソリューションを提供する。
我々のデータセットは、エンドエフェクタ状態、多視点手首装着魚眼画像、テキストアノテーションを含むマルチモーダルストリームを統合している。
論文 参考訳（メタデータ） (2025-10-09T09:57:25Z)
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。