論文の概要: A Head Camera Is (Almost) All You Need: An Electronics-Free UMI Glove Labelled and Observed by One Moving Camera
- arxiv url: http://arxiv.org/abs/2610.27622v1
- Date: Tue, 20 Oct 2026 04:40:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.63637
- Title: A Head Camera Is (Almost) All You Need: An Electronics-Free UMI Glove Labelled and Observed by One Moving Camera
- Title（参考訳）: ヘッドカメラ:電子不要のUMIグローブを1台の移動カメラで撮影
- Abstract要約: コレクターの頭部に装着した1台の自撮りカメラは、手首カメラ、ポーズトラッカー、それぞれのストリームを1つに置き換えている。
電子フリーグローブ(USD 22)に印刷されたフィデューシャルを、ワークスペースに貼られた紙タイルに読み込む。
展開時に同じカメラは、ロボットの関節状態からコレクターの頭部を模倣する安価な(USD 120)アームを搭載している。
- 参考スコア（独自算出の注目度）: 4.938387883211056
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Handheld demonstration devices decouple data collection from the robot, but conventional designs burden the hand with a wrist camera, cables and a pose tracker (SLAM, an IMU, a VR controller, or a fixed external camera that the collector's body occludes), and burden the pipeline with as many data streams to timestamp, synchronise and cross-calibrate. We show that a single egocentric camera (USD 122) worn on the collector's head replaces the wrist camera, the pose tracker and their separate streams with one. It reads printed fiducials on an electronics-free glove (USD 22) against paper tiles taped around the workspace, giving the 6-DoF gripper pose and the jaw width from the same frames the policy will see; at deployment the same camera rides a low-cost (USD 120) arm beside the robot that mimics the collector's head from the robot's joint state. Against the robot's encoders the labels are accurate to 6.5 mm and 1.6 degrees median with 93-100% frame coverage, and a policy trained on them instead of encoders pays 3% in validation loss. Adding 194 glove demonstrations to 48 teleoperated episodes lifts rollout success from 10/25 to 17/25, level with 172 teleoperated episodes alone (18/25), and the full co-trained head-camera policy succeeds in 20/25 against 15/25 for the wrist-camera recipe, whose policies drop the object when the goal leaves their view, and 12/25 for a fixed camera.
- Abstract（参考訳）: ハンドヘルドデモ装置はロボットからデータ収集を分離するが、従来の設計では手首カメラ、ケーブル、ポーズトラッカー(SLAM、IMU、VRコントローラ、またはコレクターの体を遮蔽する固定外付けカメラ)で手首を負担し、タイムスタンプ、同期、クロスキャリブレートへのデータストリームでパイプラインを負担する。
コレクターの頭部に装着した1台の自撮りカメラ(USD 122)は、手首カメラ、ポーズトラッカー、それぞれのストリームを1つに置き換えている。
電子フリーグローブ(USD 22)でプリントされたフィデューシャルを読み、ワークスペースの周囲に貼られた紙タイルに6-DoFグリップパーのポーズと、その方針が示す同じフレームから顎の幅を与え、同じカメラを配置すると、ロボットの関節状態からコレクターの頭部を模倣する低価格(USD 120)のアームを装着する。
ロボットのエンコーダに対して、ラベルは93-100%のフレームカバレッジで6.5mmと1.6°に正確であり、エンコーダの代わりにトレーニングされたポリシーは、検証損失の3%を支払う。
遠隔操作48話に194グローブのデモを加えると、10/25から17/25までのロールアウトが成功し、172エピソードのみ(18/25)、フルトレーニングされたヘッドカメラポリシーは20/25で、手首カメラのレシピでは15/25で成功し、そのポリシーは目標が視点を外れたときオブジェクトを落とし、固定カメラでは12/25で成功する。
関連論文リスト
- LocoPilot: Single-Operator Bilateral Teleoperation for Loco-Manipulation Policy Learning [3.503916247376512]
ロボットフリーインタフェースは、デモを対象のロボットとは独立して収集することを可能にする。
LocoPilotは、ロボット・イン・ザ・ループのデータ収集、モーショントルクのインスツルメンテーションなしでの強制フィードバック、デプロイ時の同じアクションインターフェースを統一する。
論文 参考訳（メタデータ） (2026-10-20T10:37:39Z) - EyeRobot 2.0: Active Gaze for Precise Manipulation without Wrist Cameras [74.35470013990918]
EyeRobot 2.0は、現場の3D固定点に物理的に近づき、2つの視点で視線を照らす。
我々はEyeRobot 2.0と受動ステレオとego+手首カメラのポリシーを比較した。
論文 参考訳（メタデータ） (2026-10-02T17:57:51Z) - Kinematic Interface for the Wild: Modular Bimanual Loco-Manipulation Capture from 360$^{\circ}$ Cameras Alone [5.955617032923738]
手首に装着されたUMIスタイルのデータ収集用カメラは、操作の記録とシーンのローカライズという2つの仕事をしなければならない。
今回紹介するKIWIは、市販のカメラのみを搭載した捕獲キットだ。
私たちのコアシステムは、2つのジョブを360度カメラの2つのレンズに分割します。
論文 参考訳（メタデータ） (2026-09-19T06:21:12Z) - GIFT: Glove-Inferred Force Transfer: Force-Aware Human-to-Robot Skill Transfer from a Wearable Sensing Glove to a Robot Hand Without Tactile Sensors [0.0]
本稿では,人間とロボットのスキル伝達パイプラインであるGIFT(Glove-Inferred Force Transfer)を紹介する。
ウェアラブルグローブは指の屈曲、キャリブレーションされた指先力、手首の向きを記録し、ヘッドマウントカメラはデモを記録する。
展開時にロボットは、自由空間のベースラインに対するアクチュエータ電流残差から、ニュートンへのキャリブレーションされたマッピングを通じて、力を推定する。
我々は、同じデモンストレーションで訓練された2つのアクションチャンキングポリシーを用いて、カップ握りタスクにおけるGIFTの評価を行い、指先力入力を1つに保持し、もう1つにゼロにする。
論文 参考訳（メタデータ） (2026-09-12T22:17:50Z) - MINT: A Unified Model for World-Space Camera and Hand Motion Estimation from Scalable Egocentric Pipeline Supervision [12.312144883974566]
我々は、エゴ中心のRGBビデオから世界空間のハンドモーション再構成のための基礎モデルであるMINTを紹介する。
Mintは、カメラの軌跡、視野ビュー、カメラフレームのハンドステート、フレーム単位のハンドオブザーバビリティを共同で予測する。
これは明示的な座標アノテーションによって世界空間の手の動きを生成する。
論文 参考訳（メタデータ） (2026-09-04T10:05:11Z) - Tabletop Pen Manipulation With a Vision-Guided 4-DoF Arm [0.0]
低コストの4自由度(DoF)アームは、最もアクセスしやすいロボットプラットフォームの一つである。
しかし、理論上は、物体が任意の向きにある状況で拾うために不活性化されている。
この研究は、知覚と運動の計画がそのような腕を可能にすることを示している。
論文 参考訳（メタデータ） (2026-08-16T23:51:05Z) - From Fixed to Free Cameras: Calibration-Free View-Robust Vision-Language-Action Model [72.8641426724502]
カメラ中心型VLA(CamVLA)は、カメラ幾何学から制御を分離する新しいVLAモデルである。
CamVLAは、さまざまな見当たらない視点での成功率を継続的に改善する。
論文 参考訳（メタデータ） (2026-07-06T17:59:59Z) - HandsOnWorld: Unconstrained Egocentric Video Generation with Camera-Disentangled Hand Control [51.913695868638634]
We present HandsOnWorld, a framework for hand-control egocentric video generation that for multi-view and marker-based motion capture, learning from unconstrained monocular video。
EgoVid-Proは、クリーンでプロタゴニストのみのハンドトラジェクトリのデータセットで、103Kのクリップと、さまざまな日常シーンの約1200万フレームにまたがる。
また, カメラから手表面への3次元光線表現, カメラと手の動きを表現レベルで切り離す3次元ハンドマップを提案する。
論文 参考訳（メタデータ） (2026-07-02T12:14:02Z) - What Matters When Cotraining Robot Manipulation Policies on Everyday Human Videos? [51.606902362959495]
私たちは、28時間の高品質な三角測量された手ラベルと自然な動きを備えた532人のビデオのデータセットを使用します。
手のポーズの質は移動に影響を与えるが、正確な手であっても、視覚と政策ネットワークがそれぞれの実施に特化しない限り、固有の動きギャップは移動を妨げる。
論文 参考訳（メタデータ） (2026-06-04T18:24:23Z) - 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) - SmartMocap: Joint Estimation of Human and Camera Motion using
Uncalibrated RGB Cameras [49.110201064166915]
複数のRGBカメラからのマーカーレス人間のモーションキャプチャ(モキャップ)は、広く研究されている問題である。
既存の方法は、モキャップシステムの基準フレームとして機能するスタティックカメラに対して、キャリブレーションされたカメラを必要とするか、あるいはそれらをキャリブレーションする必要がある。
複数の静止・移動可能なRGBカメラを用いたモキャップ方式を提案する。
論文 参考訳（メタデータ） (2022-09-28T08:21:04Z)
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。