論文の概要: Scalable, Intuitive, Mixed Reality-Based Semi-Autonomous Robotic Telemanipulation for the Execution of a Fine-Grained Bimanual Task

• arxiv url: http://arxiv.org/abs/2610.25006v1
• Date: Sun, 18 Oct 2026 04:20:38 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:19:58.026686
• Title: Scalable, Intuitive, Mixed Reality-Based Semi-Autonomous Robotic Telemanipulation for the Execution of a Fine-Grained Bimanual Task
• Title（参考訳）: 直感的・直感的・混合型半自律型ロボットテレマニピュレーションによる細粒2次元タスクの実行
• Abstract要約: ロボット上でのデータの収集にMR(Mixed Reality)ヘッドセットを利用する半自律型ロボット遠隔操作システムを提案する。 システムはタスクトラジェクトリの大部分を自律的に実行し、オペレータがキーステージで微調整を行う必要がある。 我々は,高精度できめ細かな2次元ペグインホールタスクの実行に対して,データ収集と模擬学習ポリシーの訓練により,本システムの有効性を検証した。
• 参考スコア（独自算出の注目度）: 3.6815526807156096
• License:
• Abstract: Nowadays, robotic telemanipulation enables humans to control robots so as to execute tasks in a manner similar to how they perform them, and serves as an essential approach for collecting on-robot data for robot learning by human demonstrations. The quality of collected demonstrations directly impacts the performance of the learned policy. However, existing telemanipulation systems rely heavily on human operation, particularly for large-scale data collection. Collecting dozens or hundreds of demonstrations is a demanding process, as operators tend to fatigue quickly, especially during the execution of dexterous tasks that require sustained concentration. Recently, semi-autonomous robotic telemanipulation has emerged as a promising direction that reduces operator workload while preserving human-in-the-loop control for task execution. We therefore introduce a scalable, intuitive, semi-autonomous robotic telemanipulation system that leverages a mixed reality (MR) headset for on-robot data collection. The system autonomously executes the majority of the task trajectories and only requires the operator to make fine adjustments at key stages. We validate the effectiveness of our system by collecting data and training imitation learning policies on the execution of a high-precision, fine-grained bimanual peg-in-hole task. With lower data collection effort, our system obtains high-quality demonstrations that can be used to train fully autonomous task execution policies.
• Abstract（参考訳）: 今日では、ロボットの遠隔操作により、人間がロボットを制御してタスクの実行方法と同じような方法でタスクを実行することができ、人間のデモンストレーションによってロボット学習のためのオンロボットデータを集めるための重要なアプローチとして機能している。 収集されたデモの質は、学習したポリシーのパフォーマンスに直接影響を与えます。 しかし、既存の遠隔操作システムは、特に大規模データ収集において、人間の操作に大きく依存している。 数十から数百のデモを収集することは、特に持続的な濃度を必要とする厳密なタスクの実行において、オペレーターがすぐに疲労する傾向があるため、要求されるプロセスである。 近年,半自律型ロボットテレマニピュレーションが,タスク実行のためのヒューマン・イン・ザ・ループ制御を保ちながら,作業者の作業負荷を低減するための有望な方向として出現している。 そこで我々は,ロボット上でのデータの収集にMRヘッドセットを活用する,スケーラブルで直感的で半自律的なロボット遠隔操作システムを導入する。 システムはタスクトラジェクトリの大部分を自律的に実行し、オペレータがキーステージで微調整を行う必要がある。 我々は,高精度できめ細かな2次元ペグインホールタスクの実行に対して,データ収集と模擬学習ポリシーの訓練により,本システムの有効性を検証した。 データ収集の労力を減らし,完全自律型タスク実行ポリシのトレーニングに使用できる高品質な実演を実現する。

関連論文リスト

• Scaling Online Exploration for Robot Agents [147.6570058866968]
  RAX(Robot Agent eXploration)は、ロボットエージェントのためのオープンソースのフレームワークである。 本稿では,単腕,両腕,外陰部,移動体,ヒューマノイドシステムを用いて,オンライン探索の精度向上と長期操作作業のスケールについて検討する。 RAXは、人間のデモンストレーションなしで、メモリ依存、調音、高精度、変形可能、および長距離移動操作タスクを自律的に学習する。
  論文  参考訳（メタデータ） (2026-10-15T18:00:28Z)
• Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
  本稿では,人間とロボットの協調学習システムについて紹介する。 これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。 これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
  論文  参考訳（メタデータ） (2024-06-29T03:37:29Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• Dexterous Manipulation from Images: Autonomous Real-World RL via Substep Guidance [71.36749876465618]
  本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。 本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。 実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
  論文  参考訳（メタデータ） (2022-12-19T22:50:40Z)
• PATO: Policy Assisted TeleOperation for Scalable Robot Data Collection [19.04536551595612]
  Policy Assisted TeleOperation (PATO) は、学習された支援ポリシーを用いて、デモ収集プロセスの一部を自動化するシステムである。 PATOはデータ収集における反復的な動作を自律的に実行し、どのサブタスクや動作を実行するかが不確実な場合にのみ人間の入力を要求する。
  論文  参考訳（メタデータ） (2022-12-09T07:38:09Z)

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。