Fugu-MT 論文翻訳(概要): Warping the Workspace: Expanding Visual Access with Adjustable Reach Mapping for Humanoid Teleoperation

論文の概要: Warping the Workspace: Expanding Visual Access with Adjustable Reach Mapping for Humanoid Teleoperation

arxiv url: http://arxiv.org/abs/2610.28712v1
Date: Tue, 20 Oct 2026 17:42:33 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-23 00:40:06.108753
Title: Warping the Workspace: Expanding Visual Access with Adjustable Reach Mapping for Humanoid Teleoperation
Title（参考訳）: ワークスペースのウォーピング:ヒューマノイド遠隔操作のための調整可能なリーチマッピングによる視覚アクセスの拡張
Abstract要約: 一人称ヒューマノイド遠隔操作は、操作者の回転に合わせて、左右の目標にアクセスできる。逆上肢ヨー変換とパノラマアジマスワープを併用した視覚運動リマッピングを行った。
参考スコア（独自算出の注目度）: 15.58331181055192
License: http://creativecommons.org/licenses/by/4.0/
Abstract: First-person humanoid teleoperation ties access to side and rear targets to operator rotation. We present coupled visual--motor remapping, pairing a panoramic azimuth warp with its inverse upper-limb yaw transform. A working prototype implements Global Zoom (GZ) and Focus+Context (F+C). In a within-subject study (N=8); 72 trials), GZ had the largest completion count (23/24; Fixed: 20/24; F+C: 21/24), whereas F+C was preferred by 6/8 participants. Therefore, completion and preference favored different mappings in this sample.
Abstract（参考訳）: 一人称ヒューマノイド遠隔操作は、操作者の回転に合わせて、左右の目標にアクセスできる。逆上肢ヨー変換とパノラマアジマスワープを併用した視覚運動リマッピングを行った。動作プロトタイプはGlobal Zoom(GZ)とFocus+Context(F+C)を実装している。対象内調査(N=8, 72試験)では, GZは最大完成数(23/24, 固定数: 20/24, F+C: 21/24), F+Cは6/8の被験者が好んだ。したがって、このサンプルでは、完成と選好は異なるマッピングを好んだ。

関連論文リスト

FAST: Flow Any Scene Transformer [100.4134849010468]
スケーリングは、言語とビジョン基盤モデルの進歩の原動力となっている。 Flow Any Scene Transformer (FAST)は、2つの重要な洞察によって駆動されるスケーラブルな対応モデルである。 FASTは、バックボーンサイズとトレーニングデータの両方で適切にスケーリングしながら、幅広いベンチマークで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2026-09-30T13:48:43Z)
FutureDuet: Decoupling Observation Access from Future Supervision in World Action Models [17.521920330076366]
我々はFutureDuetを導入し、両ビューを制御し、各ビジュアルストリームが異なる未来目標を受信できるようにする。メインビューでは、将来のRGBモデルはタスクの進化をモデル化し、インタラクションマスクとロボットスケルトンはタスクオブジェクトとロボットの動きを監督する。手首ストリームでは、将来の潜伏予測は画素レベルの再構成を必要とせず、短水平相互作用の変化をモデル化する。
論文参考訳（メタデータ） (2026-09-28T05:39:09Z)
Body-Motion Control of a Simulated Aerial Swarm from a First-Person View [7.440639837083438]
本稿では,胴体傾斜,手の位置,頭部回転を5つの連続的な指令次元にマッピングする上体インタフェースを提案する。 14名の被験者がこのインタフェースと従来の送信機を用いて,3次元障害物コースを通してシミュレーション15エージェント群をナビゲートした。体動制御は完了時間を19.4%、セントロイドパスの長さを7.0%削減し、パスの直接性を高めた。
論文参考訳（メタデータ） (2026-09-16T16:15:25Z)
GOLF: Global Observation with Local Focus for Calibration-Aware Stereo Interaction Field Estimation [27.294123089710038]
GOLFはHANDS@ECCV 2026におけるSHOW3Dインタラクションフィールド推定チャレンジの1位となるソリューションである。同期型自我中心ステレオビューでは、21個の手関節のそれぞれから操作対象の最も近い点までの3Dベクトルを予測する。 GOLFは、密集したグローバルコンテキスト、局所的な手/オブジェクトのエビデンス、およびコモンフレームチャンカー線幾何学を組み合わせたものである。
論文参考訳（メタデータ） (2026-09-08T11:42:44Z)
Learning to Zoom Efficiently with a Contrastive Curriculum [52.710726359379265]
ズームインツールを使用することは、現代の視覚エージェントの重要な基礎となる部分である。本稿では,MLLMにおける学習ツールの使用に対して,ラベルの追加やウォームスタートSFTを必要とせずに,新たな本質的な報奨を提案する。私たちのアプローチは競争力があり、効率的です。
論文参考訳（メタデータ） (2026-09-02T22:43:54Z)
Multi-View Unified Camera Fields: Geometry-Shaped Action-Facing Representations for RGB-Only Multi-Camera VLA Policies [12.27577524307746]
Multi-View Unified Camera Fields (MVUCF) は、ビューをまたいだ共有アクション対応潜在フィールドを形成するトレーニング専用フレームワークである。ジオメトリインジェクション、奥行き、カメラキャリブレーション、補助ヘッドが取り除かれた後、配置は、追加の推論FLOPを持たない元のRGBのみのグラフを使用する。
論文参考訳（メタデータ） (2026-08-03T07:36:09Z)
MoCapAnything V2: End-to-End Motion Capture for Arbitrary Skeletons [56.68975315643491]
本稿では,ビデオ・ツー・ローテーションとビデオ・ツー・ローテーションを共同で学習し,最適化する,最初のエンドツーエンドフレームワークを提案する。本手法は, メッシュベースパイプラインの20倍の速度で, 回転誤差を17度から10度, 見えない骨格では6.54度に低減する。
論文参考訳（メタデータ） (2026-04-30T17:16:38Z)
ZJU ReLER Submission for EPIC-KITCHEN Challenge 2023: Semi-Supervised Video Object Segmentation [62.98078087018469]
マルチ機能スケールでトランスフォーマーを組み込んだAOTフレームワークの派生版であるMSDeAOTを紹介する。 MSDeAOTは16のストライドを持つ特徴尺度を用いて、以前のフレームから現在のフレームへ効率的にオブジェクトマスクを伝搬する。また,GPMを8ストライドで改良した機能スケールで採用することで,小型物体の検出・追跡の精度が向上した。
論文参考訳（メタデータ） (2023-07-05T03:43:15Z)
Robust Facial Expression Recognition with Convolutional Visual Transformers [23.05378099875569]
コンボリューションビジュアルトランスフォーマーは、主に2つのステップで野生の表情認識に取り組むために提案します。まず,2分岐CNNが生成する特徴マップを活用するための注意選択融合(ASF)を提案する。第二に,自然言語処理におけるトランスフォーマーの成功に触発されて,これらの視覚単語間の関係をグローバル自己着眼でモデル化することを提案する。
論文参考訳（メタデータ） (2021-03-31T07:07:56Z)
Gravitational Models Explain Shifts on Human Visual Attention [80.76475913429357]
視覚的注意(英: visual attention)とは、人間の脳が優先的な処理のために関連する感覚情報を選択する能力を指す。過去30年間に様々な評価方法が提案されてきた。注意変動を記述するための重力モデル(GRAV)を提案する。
論文参考訳（メタデータ） (2020-09-15T10:12:41Z)

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。