論文の概要: BiDex-100: A Comprehensive Benchmark for Bimanual Dexterous Manipulation Across 100+ Simulation Tasks
- arxiv url: http://arxiv.org/abs/2610.25459v1
- Date: Sun, 18 Oct 2026 18:44:05 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 22:00:49.084447
- Title: BiDex-100: A Comprehensive Benchmark for Bimanual Dexterous Manipulation Across 100+ Simulation Tasks
- Title（参考訳）: BiDex-100:100以上のシミュレーションタスクにおける2次元デクサラスマニピュレーションの総合ベンチマーク
- Abstract要約: 本稿では,バイマン的デキスタラス操作のシミュレーションベンチマークであるBiDex-100を提案する。
ベンチマークは5つの機能軸に沿って編成された106のタスクで構成されている。
8,080件のテレオペレーティング・デモが成功し、合計625万フレームが提供される。
- 参考スコア（独自算出の注目度）: 60.9163598556084
- License:
- Abstract: Bimanual manipulation with dexterous hands has attracted growing attention in research on robotic action models. However, few studies have developed benchmarks specifically tailored for dexterous manipulation, leaving the dexterous manipulation capabilities of existing models insufficiently characterized. In this paper, we present BiDex-100, a simulation benchmark for bimanual dexterous manipulation that combines broad task coverage, multi-dimensional evaluation, and high-DoF hand embodiments. Concretely, the benchmark comprises 106 tasks organized along five capability axes: generalization, instruction following, limited demonstrations, long horizon, and memory. Each task is paired with an out-of-domain variant featuring controlled visual and spatial changes, allowing systematic assessment of robustness. In addition, the benchmark supports two embodiments and provides 8,080 success-validated teleoperated demonstrations, totaling 6.25 million frames. We evaluate seven recent Vision-Language-Action models under a unified protocol, establishing baselines for capability-specific performance, robustness, and data efficiency. The website is available at https://BiDex-100.github.io/BiDex-100/.
- Abstract（参考訳）: 器用な手による双方向操作は、ロボットアクションモデルの研究で注目を集めている。
しかし、デクスタラスな操作に適したベンチマークを開発する研究はほとんどなく、既存のモデルのデクスタラスな操作能力は不十分である。
本稿では,広範囲なタスクカバレッジ,多次元評価,高DoFハンドエボディメントを組み合わせたバイマン的デキスタス操作のシミュレーションベンチマークであるBiDex-100を提案する。
具体的には、このベンチマークは、一般化、命令従順、限られたデモ、長い水平線、メモリの5つの機能軸に沿って編成された106のタスクで構成されている。
各タスクは、制御された視覚的および空間的変化を特徴とする領域外変異と組み合わせられ、ロバストさの体系的な評価が可能である。
さらに、ベンチマークは2つのエボディメントをサポートし、合計625万フレームの8,080個の成功検証された遠隔操作デモを提供する。
我々は,近年のビジョン・ランゲージ・アクション・モデル7つを統一プロトコルで評価し,性能特性,ロバスト性,データ効率のベースラインを確立する。
ウェブサイトはhttps://BiDex-100.github.io/BiDex-100/で入手できる。
関連論文リスト
- HandsOn: A Large-Scale Simulation Benchmark for Generalizable Dexterous Manipulation [14.80329550412521]
汎用的な操作は、実施、オブジェクト、タスク要求にまたがる信頼性の高い振る舞いを必要とする。
我々は,構成可能なシミュレーションプラットフォームであるHandsOnを紹介した。
論文 参考訳（メタデータ） (2026-10-19T17:22:48Z) - DexJoCo-X: Benchmarking Action Representations for Multi-Hand Dexterous Manipulation [33.03049906677002]
クロス・エボディメント・ラーニングは、形態学固有の制御を維持しながら共有操作構造をキャプチャする統一表現を必要とする。
DexJoCo-Xは7つの代表的手間で比較を行うためのベンチマークとツールキットである。
対照的に、Being-H0.5は、クロス・エボディメント・プレトレーニング、統一されたアクション・スペース、そしてエボディメント・アウェアの専門家を組み合わせることで、一つの政策が7つの手全てを制御することができる。
論文 参考訳（メタデータ） (2026-10-02T13:21:13Z) - Bench2Dex: Benchmarking Visuo-Tactile Bimanual Dexterous Manipulation Across Dexterous Hands [99.00248904465089]
指の構造、接触面、センサーレイアウトが異なる。
本報告では,12手にわたるバイスオタクティルバイマニュアル操作のシミュレーションベンチマークであるBench2Dexについて述べる。
論文 参考訳（メタデータ） (2026-09-14T15:22:59Z) - DexVerse: A Modular Benchmark for Multi-Task, Multi-Embodiment Dexterous Manipulation [66.68529423691461]
DexVerseは、デクスタラスな操作のための大規模かつモジュール化されたベンチマークである。
我々は、19のタスクに対して拡散ポリシー、DP3、OpenVLA、および$_0.5$などの代表的手法をベンチマークする。
その結果、タスクの一般化と視覚運動の堅牢性において大きな課題が浮かび上がっている。
論文 参考訳（メタデータ） (2026-07-09T17:50:47Z) - Training Vision-Language-Action Models with Dense Embodied Chain-of-Thought Supervision [26.793499191581315]
視覚言語アクション(VLA)モデルにおける異体間移動は依然として困難である。
ZR-0は260億のパラメーター-エンドツーエンドのVLAモデルであり、密なエンボディード・チェーン・オブ・レーソン(ECoT)の監督を用いて、クロスボディーメント表現を整列させる。
論文 参考訳（メタデータ） (2026-06-29T16:48:48Z) - DexJoCo: A Benchmark and Toolkit for Task-Oriented Dexterous Manipulation on MuJoCo [82.73355932907565]
DexJoCoはタスク指向のデクサラス操作のためのベンチマークとツールキットである。
本研究は,ツール使用,双方向調整,長期実行,推論などを評価する機能的なタスクを11個提示する。
我々は、視覚的・動的ランダム化、マルチタスクトレーニング、アクションヘッド適応など、多様な設定で最新のモデルをベンチマークする。
論文 参考訳（メタデータ） (2026-05-15T17:59:51Z) - 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) - DexVLG: Dexterous Vision-Language-Grasp Model at Scale [59.5613919093295]
ヒトのような器用な手のための大型モデルを用いた機能的握りの研究はほとんどない。
DexVLGは、言語命令に整合したDexterousグリップポーズ予測のための大型ビジョン言語-Graspモデルである。
シミュレーションでは、174,000個のオブジェクトのセマンティックな部分にマッピングされた1億1千万個のデキスタスなグリップポーズを、詳細な部分レベルのキャプションと組み合わせて生成する。
論文 参考訳（メタデータ） (2025-07-03T16:05:25Z)
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。