論文の概要: Whole-Body Dexterity

• arxiv url: http://arxiv.org/abs/2610.22184v1
• Date: Thu, 15 Oct 2026 16:40:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.195169
• Title: Whole-Body Dexterity
• Title（参考訳）: 全音速デキスタリティ
• Abstract要約: 現在のヒューマノイドのデキスタラスな操作は、エンドエフェクターと単純なグリップに限られている。 ロボットの体と付属物を接触面として使用して物体を把握・操作するフレームワークであるWhole-Body Dexterity(WBD)を紹介する。
• 参考スコア（独自算出の注目度）: 10.46286756497401
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Current humanoid dexterous manipulation remains largely confined to end-effectors and simple grasps, falling short of humans' ability to engage the entire body by bracing and sliding bulky objects against the arms and torso. We introduce Whole-Body Dexterity (WBD), a general framework that uses the robot's body and appendages as contact surfaces to grasp and manipulate objects. Our sim-to-real pipeline first generates a dataset of feasible whole-body grasps, then trains reinforcement-learning experts on a general any-to-any repositioning objective by sampling initial and goal grasps from the dataset, and distills these experts into a single policy that uses proprioception and object geometry. We show that the distilled policy transfers zero-shot to a real Unitree G1, where it repositions a basketball and a cardboard box to regions around the torso and completes a long-horizon task that stows a box under one arm, carries it from a shelf to a table, and places it. The controller operates interactively, steered by coarse motion references from a human teleoperator. Across real-world whole-body manipulation tasks, the distilled controller completes 90% of trials, compared with 18% for direct retargeting and 4% for a generalist whole-body controller.
• Abstract（参考訳）: 現在のヒューマノイドの器用な操作は、主にエンドエフェクターと単純なつかみに限られており、腕や胴体にかさばるかさばる物体を編み、滑らせることで、人間の身体全体への関与能力に欠けている。 ロボットの体と付属物を接触面として利用して物体をつかみ、操作する一般的なフレームワークであるWhole-Body Dexterity(WBD)を紹介する。 我々のsim-to-realパイプラインは、まず、実現可能な全体的把握のデータセットを生成し、その後、データセットから初期値と目標値の把握をサンプリングし、強化学習の専門家を一般的な任意の再配置目標に訓練し、これらの専門家をプロプレセプションとオブジェクトの幾何学を用いた単一のポリシーに抽出する。 蒸留された政策は、ゼロショットを実際のユニツリーG1に転送し、バスケットボールと段ボールボックスを胴体周辺の地域に配置し、1本の腕の下に箱を突き刺し、棚からテーブルに運び、それを配置する。 コントローラは対話的に動作し、人間の遠隔操作者からの粗い動き参照によって操作される。 実世界の全身操作タスク全体で、蒸留されたコントローラは90%の試験を完了し、直接再ターゲットは18%、一般の全身操作は4%である。

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)
• NEXUS: Perceptive Whole-Body Control for Terrain-Adaptive Teleoperation [59.5667378375909]
  全体遠隔操作では、人型ロボットが地形が違っても人間の動作を再現する必要がある。 NEXUSは、人間のモーションコマンドとオンボードの感覚フィードバックを組み合わせた、知覚的な全身制御フレームワークである。
  論文  参考訳（メタデータ） (2026-09-30T05:13:49Z)
• ViLoMan: Learning Visual-Proprioceptive Whole-Body Loco-Manipulation Skills for Humanoid Robots [56.6238848953359]
  ViLoManは、自律的なヒューマノイドロコ操作のためのスケーラブルなフレームワークである。 自我中心の深度観測と主観的測定を直接ジョイントレベル全体の行動にマッピングする統一的なポリシーを学ぶ。
  論文  参考訳（メタデータ） (2026-09-16T19:10:13Z)
• LAC: Linear and Angular Compliance for Humanoid Whole-body Control [11.568075663157309]
  現実世界のヒューマノイドタスクは、物体と人間との物理的相互作用を含む。 命令付きLinearとAngular Complianceを同時に実現する汎用の全身コントローラであるLACを提案する。
  論文  参考訳（メタデータ） (2026-08-26T06:07:28Z)
• 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)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
  本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。 Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。 ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2026-03-01T14:19:59Z)
• MaskedManipulator: Versatile Whole-Body Manipulation [38.02818493367002]
  本研究では,大規模な人体モーションキャプチャーデータに基づいて学習したトラッキングコントローラから生成制御ポリシーであるMaskedManipulatorを紹介する。 この2段階の学習プロセスにより、システムは複雑なインタラクション動作を実行でき、キャラクタとオブジェクトの両方の動作を直感的に制御できる。
  論文  参考訳（メタデータ） (2025-05-25T10:46:14Z)

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。