論文の概要: Demonstration-Based Robotic Feeding Using Dynamic Movement Primitives

• arxiv url: http://arxiv.org/abs/2610.31020v1
• Date: Thu, 22 Oct 2026 09:54:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.313481
• Title: Demonstration-Based Robotic Feeding Using Dynamic Movement Primitives
• Title（参考訳）: 動的運動プリミティブを用いたデモに基づくロボット給餌
• Abstract要約: このフレームワークは、人間のデモンストレーション、ダイナミックモーションプリミティブに基づくモーションプランニング、視覚に基づくシーン認識、ロボット制御を統合している。 実世界の実験では、統合パイプラインの実現可能性を示し、学習されたスプーンの動きが検出された実験シーン内で再現可能であることを示す。
• 参考スコア（独自算出の注目度）: 19.16867745304498
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a demonstration-based robotic feeding framework that integrates human demonstration, Dynamic Movement Primitive-based motion planning, vision-based scene perception, and robot control. A human operator first demonstrates the scooping and feeding motions while the position and Euler-angle orientation of the spoon are recorded using a motion-capture system. The recorded trajectory is segmented into scooping and feeding motions, which are encoded using separate Dynamic Movement Primitives. Before task execution, an RGB-D camera estimates the participant's mouth position, while two AprilTags are used for robot-frame registration and tray localization. The detected tray pose is used to position the scooping motion, whereas the detected mouth position defines the positional goal of the feeding motion. The approach, scooping, and feeding trajectories are then executed sequentially by a Kinova Gen3 manipulator through a ROS~2-based framework. A real-world experiment demonstrates the feasibility of the integrated pipeline and shows that the learned spoon motions can be reproduced within the detected experimental scene.
• Abstract（参考訳）: 本稿では、人間の実演、動的運動原始型モーションプランニング、視覚に基づくシーン認識、ロボット制御を統合したデモベースのロボット給餌フレームワークを提案する。 人間の操作者は、まず、スクーピングと給餌動作を示し、スプーンの位置とオイラー角方向をモーションキャプチャシステムを用いて記録する。 記録された軌道は、スクーピングと摂食運動に区分され、別々の動的運動プリミティブを用いて符号化される。 タスク実行前、RGB-Dカメラは参加者の口の位置を推定し、2つの4月タグはロボットフレームの登録とトレイのローカライゼーションに使用される。 検出されたトレイポーズは、スクーピング動作の位置決めに使用され、検出された口位置は、供給動作の位置目標を定義する。 アプローチ、スクーピング、摂食軌道は、ROS~2ベースのフレームワークを介してキノバGen3マニピュレータによって順次実行される。 実世界の実験では、統合パイプラインの実現可能性を示し、学習されたスプーンの動きが検出された実験シーン内で再現可能であることを示す。

関連論文リスト

• Robot Motion Transition with Human Motion Prior [7.023695658549802]
  STAMPは、ロボットとヒューマンとロボットのプロセスを通して、独立して獲得したヒューマノイドの動きを接続するためのフレームワークである。 学習されたアライメントモデルにより、運動間の境界条件が決定される。 人間の動きは、選択されたアライメントの下で遷移を生成する。
  論文  参考訳（メタデータ） (2026-10-22T06:45:34Z)
• EndoWorld-JEPA: Motion-Guided Global-Local Latent World Modeling for Endoscopic Video Representation Learning [65.84303330857327]
  我々は,受動型内視鏡ビデオ前訓練を因果運動誘導潜在状態予測として再構成した。 本稿では,EdoWorld-JEPAについて,内視鏡的ビデオ表現学習のための第1次潜伏型ワールドモデル事前学習フレームワークについて紹介する。
  論文  参考訳（メタデータ） (2026-10-20T09:11:49Z)
• GenVid2Robot: From Video Generation to Robot Manipulation via Rigid-Geometric Consistency [19.566368780107613]
  GenVid2Robotは、生成されたビデオモーションを実行可能なリアルタイムロボット操作トラジェクトリに変換するフレームワークである。 実験により、GenVid2Robotは、視運動前兆を粗いメトリ幾何でグラウンドすることで、生成ビデオ誘導操作の信頼性を向上させることが示された。
  論文  参考訳（メタデータ） (2026-07-10T08:32:47Z)
• Mobile Pedipulation for Object Sliding via Hierarchical Control on a Wheeled Bipedal Robot [5.584747732103647]
  本稿では、車輪付き二足歩行ロボットが車輪付き脚で物体のすべり作業を行うことを可能にする階層型制御フレームワークを提案する。 提案手法は, 非線形モデル予測制御器 (NMPC) を低次3次元剛体に基づいて定式化する。 軌道最適化に基づくロボット物体運動プランナを開発し, 接地物体接触における棒-すべり遷移を含む基準運動を生成する。
  論文  参考訳（メタデータ） (2026-06-17T16:09:02Z)
• MoRight: Motion Control Done Right [71.36903230523589]
  両制約に対処する統合フレームワークであるMoRightを紹介した。 オブジェクトの動きは標準静的ビューで指定され、任意のターゲットカメラ視点に転送される。 3つのベンチマークの実験では、生成品質、動作制御性、相互作用認識における最先端のパフォーマンスが示されている。
  論文  参考訳（メタデータ） (2026-04-08T17:59:22Z)
• MotionPro: A Precise Motion Controller for Image-to-Video Generation [108.63100943070592]
  我々は、画像間(I2V)生成のための正確なモーションコントローラであるMotionProを提案する。 局所軌道と運動マスクは、微細な運動合成を制御するために用いられる。 WebVid-10MとMC-Benchで行った実験は、MotionProの有効性を実証している。
  論文  参考訳（メタデータ） (2025-05-26T17:59:03Z)
• MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
  本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。 実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-06-05T04:24:11Z)
• MotionBERT: A Unified Perspective on Learning Human Motion Representations [46.67364057245364]
  本研究では,大規模・異種データ資源から人の動き表現を学習することで,人間中心のビデオタスクに取り組むための統一的な視点を示す。 本研究では,ノイズのある部分的な2次元観測から基礎となる3次元運動を復元するために,モーションエンコーダを訓練する事前学習段階を提案する。 動作エンコーダをDST(Dual-stream Spatio-temporal Transformer)ニューラルネットワークで実装する。
  論文  参考訳（メタデータ） (2022-10-12T19:46:25Z)
• MoCaNet: Motion Retargeting in-the-wild via Canonicalization Networks [77.56526918859345]
  そこで本研究では,制御された環境から3次元動作タスクを実現する新しいフレームワークを提案する。 モーションキャプチャシステムや3D再構成手順を使わずに、2Dモノクロ映像のキャラクタから3Dキャラクタへの体動を可能にする。
  論文  参考訳（メタデータ） (2021-12-19T07:52:05Z)

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。