論文の概要: Compositional Humanoid Manipulation through Isomorphic Teleoperation and Independent Skill Routing

• arxiv url: http://arxiv.org/abs/2610.26169v1
• Date: Mon, 19 Oct 2026 10:59:46 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-21 06:57:38.067426
• Title: Compositional Humanoid Manipulation through Isomorphic Teleoperation and Independent Skill Routing
• Title（参考訳）: アイソモルフィック遠隔操作と独立スキルルーティングによる構成型ヒューマノイドマニピュレーション
• Abstract要約: ヒューマノイドの操作は再利用可能な腕のスキルを必要とするが、可能なすべてのスキルの組み合わせを実証することは現実的ではない。 本稿では,共有専門家プール上の独立したセマンティックルーティングを通じて,個別に腕のスキルを実証するHS-MoDPを提案する。 また,腕構成の関節レベルを直接制御する異形外骨格であるG1Exoを開発した。
• 参考スコア（独自算出の注目度）: 9.838461943551119
• License:
• Abstract: Humanoid manipulation requires reusable arm skills, yet demonstrating every possible skill combination is impractical. We present Humanoid Semantic Mixture-of-Experts Diffusion Policy (HS-MoDP), which composes separately demonstrated arm skills through independent semantic routing over a shared expert pool. This design preserves arm-specific skill control while sharing action-generation parameters across arms. A semantic scheduler integrates the learned policy with an existing locomotion controller through alternating manipulation and repositioning stages, extending the effective workspace and enabling skill reuse across location changes. To acquire demonstrations of whole-body contact manipulation, we develop G1Exo, an isomorphic exoskeleton that provides direct joint-level control of arm configurations. Experiments on a Unitree G1 show stronger skill composition than the baselines. G1Exo enables more reliable contact teleoperation than end-effector VR-IK, and its demonstrations improve contact-skill learning across four policy architectures. For HS-MoDP, switching from VR-IK to G1Exo demonstrations raises full cabinet workflow success from 35% to 65%. All project hardware designs and source code will be released as open source after the review process.
• Abstract（参考訳）: ヒューマノイドの操作は再利用可能な腕のスキルを必要とするが、可能なすべてのスキルの組み合わせを実証することは現実的ではない。 本稿では,共有専門家プール上の独立したセマンティック・ルーティングを通じて,個別に腕のスキルを実証するHumanoid Semantic Mixture-of-Experts Diffusion Policy(HS-MoDP)を提案する。 この設計は腕固有のスキルコントロールを保持し、腕間でアクションジェネレーションパラメータを共有する。 セマンティックスケジューラは、操作と再配置の段階を交互に行い、効果的なワークスペースを拡張し、位置変化をまたいだスキル再利用を可能にすることによって、学習したポリシーを既存のロコモーションコントローラと統合する。 全身接触操作のデモンストレーションを得るために,腕構成の関節レベルを直接制御する異形外骨格であるG1Exoを開発した。 Unitree G1の実験は、ベースラインよりも強いスキル構成を示している。 G1Exoは、エンドエフェクタVR-IKよりも信頼性の高いコンタクト遠隔操作を可能にする。 HS-MoDPの場合、VR-IKからG1Exoへの切り替えはキャビネットワークフローの完全な成功を35%から65%に引き上げる。 プロジェクトのハードウェア設計とソースコードはすべて、レビュープロセス後にオープンソースとしてリリースされる。

関連論文リスト

• FOMI: A Force-Feedback Manipulation Interface for Teaching Contact-Rich Manipulation [59.638802273101646]
  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。
  論文  参考訳（メタデータ） (2026-10-14T09:10:24Z)
• UniExo: Unified Multi-Skill Policies for Musculoskeletal Locomotion and Co-Adaptive Exoskeleton Control [1.5617797712963508]
  われわれはまずマルチスキルの筋骨格人体政策を構築し,その上で外骨格人体制御政策を共同で訓練するUniExoについて紹介する。 UniExoは4つのスキルの見当たらないクリップで94.7%の平均的な追跡成功率を達成し、構成専門家よりも強い堅牢性を示している。
  論文  参考訳（メタデータ） (2026-09-17T04:38:34Z)
• 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)
• NestDex: Nested Policy Learning with Copilot Assisted Teleoperation for Dexterous Manipulation [3.901334865327756]
  有害な操作は、物理的な世界とのよりリッチなロボットインタラクションを約束します。 しかし、これらの行動を学ぶことは、一貫性のある完全なタスクのデモンストレーションを集めることの難しさに制約されているままです。 我々はNestDexを紹介した。NestDexはネストされたポリシー学習フレームワークで、この負担を軽減する。
  論文  参考訳（メタデータ） (2026-08-13T15:25:39Z)
• Teleopit: A Full-Embodiment Humanoid Teleoperation System [3.436474641224862]
  我々は、体、手、信号をVRからヒューマノイド体にマッピングするフルエンボディーメント遠隔操作システムであるTeleopitを紹介した。 ヒストリーエンコーダとフェールアウェア・リウインドサンプリングは、モーションキャプチャーとライブVR参照の両方のモーショントラッカーを改善する。 ACTとGRT N1.7は、Teleopitで収集された96のデモで訓練され、それぞれ90.0%と95.0%のタスク成功率を達成した。
  論文  参考訳（メタデータ） (2026-08-03T07:45:13Z)
• AnyDexRT: Calibration-Free Dexterous Hand Retargeting with Few-Shot Human Guidance [52.973947477815614]
  AnyDexRT は人のような器用な手間で直感的な器用な遠隔操作を行うキャリブレーションのない手法である。 実験によると、AnyDexRTは品質を改善し、手動チューニングを減らし、従来の方法よりも直感的で効率的な制御を提供する。
  論文  参考訳（メタデータ） (2026-07-09T10:29:53Z)
• Towards Human-Like Manipulation through RL-Augmented Teleoperation and Mixture-of-Dexterous-Experts VLA [62.16042475700567]
  本稿では,遠隔操作データ収集を簡易化する共有自律型アシスタントIMCopilotを紹介する。 我々は、不均一な力と触覚モーダルを予め訓練されたVLAバックボーンにシームレスに統合するアーキテクチャであるMoDE-VLAを提案する。 我々は,複雑度を増大させる4つの課題に対するアプローチの有効性を検証し,厳密な接触量の多い課題におけるベースラインよりも2倍の成功率の向上を実証した。
  論文  参考訳（メタデータ） (2026-03-09T09:02:30Z)
• 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)
• Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
  バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。 本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。 我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-03-12T09:28:41Z)
• HOMIE: Humanoid Loco-Manipulation with Isomorphic Exoskeleton Cockpit [52.12750762494588]
  本稿では,半自律遠隔操作システムHOMIEを紹介する。 ペダルにマッピングされた身体制御のための強化学習ポリシー、腕制御のための異形外骨格アーム、手操作のためのモーションセンシンググローブを組み合わせている。 このシステムは完全なオープンソースであり、デモとコードはhttps://homietele.org/.com/で見ることができる。
  論文  参考訳（メタデータ） (2025-02-18T16:33:38Z)

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。