論文の概要: CARD: Contact-Anchored Retargeting for Dexterous Manipulation

• arxiv url: http://arxiv.org/abs/2610.36539v1
• Date: Tue, 27 Oct 2026 02:51:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.469434
• Title: CARD: Contact-Anchored Retargeting for Dexterous Manipulation
• Title（参考訳）: CARD: Dexterous Manipulationのためのコンタクトアンカレッドリターゲティング
• Abstract要約: 本稿では,Dexterous ManipulationのためのCARD: Contact-Anchored Retargetingについて述べる。 CARDは、接触力目標を明示的に保持することで、ロボットの動作に対する人間のデモンストレーションを再ターゲットする。 我々は,我々の触覚トラッカーが,ハードウェアリプレイ中の実演力の再現に重要であることを示す。
• 参考スコア（独自算出の注目度）: 47.23531613513567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humans are dexterous, but traditional data collection paradigms such as teleoperation, kinesthetic teaching, and wearable exoskeletons force humans to act through the robot embodiment, bottlenecking their dexterity. Retargeting can avoid this. However, existing methods purely translate kinematics and ignore the real-world contact dynamics essential for task success. We present CARD: Contact-Anchored Retargeting for Dexterous Manipulation, a simulator and object-free framework that retargets human demonstrations to robot actions by explicitly preserving contact force targets. CARD unifies human data sources including video, motion capture, and tactile gloves via a shared hand--contact representation and generates explicit contact force targets in addition to kinematics. To maintain these contact targets during hardware open-loop replay, CARD also introduces a tactile tracking controller. For video which does not contain an explicit tactile source, we present Vid-HACO, our video-to-contact model that sets a new state of the art. Across our video, glove, motion-capture data and the GRAB dataset, CARD maintains contact on $43$--$78\%$ of contact frames, while kinematic and object-aware retargeting methods maintain contact on $<10\%$ and $22.5\%$ of the frames respectively. Further, integrating our formulation into physics-based retargeting improves strict task success from 12\% to 32\% on GRAB dataset. Finally, we show that our tactile tracker is critical to reproduce demonstrated forces during hardware replay. These results establish that contact preservation via CARD is a scalable interface for transferring human dexterity to robots.
• Abstract（参考訳）: 人間は器用だが、遠隔操作、審美教育、ウェアラブル外骨格といった伝統的なデータ収集パラダイムは、ロボットの体現を通して人間に行動させ、器用さをボトルネックにしている。 再ターゲティングはこれを避けることができる。 しかし、既存の手法は純粋にキネマティクスを翻訳し、タスク成功に必要な実世界の接触力学を無視する。 CARD: Contact-Anchored Retargeting for Dexterous Manipulation, a simulator and object-free framework that retargets human demos to Robot action by Preserving contact force target。 CARDは、ビデオ、モーションキャプチャ、触覚手袋を含む人間のデータソースを共有ハンドコンタクト表現を介して統合し、キネマティックスに加えて明示的な接触力ターゲットを生成する。 ハードウェアのオープンループ再生中にこれらのコンタクトターゲットを維持するため、CARDは触覚トラッキングコントローラも導入している。 明示的な触覚ソースを含まないビデオに対しては、新しい最先端技術を設定するビデオ対接触モデルであるVid-HACOを提示する。 ビデオ、手袋、モーションキャプチャーデータ、GRABデータセットを通じて、CARDは43ドル～78セントのコンタクトフレームに、kinematicとオブジェクト認識リターゲティングメソッドはそれぞれ22.5セントのコンタクトフレームに、それぞれ22.5セントのコンタクトを保持する。 さらに、この定式化を物理ベースの再ターゲティングに統合することで、GRABデータセット上での厳密なタスク成功が12\%から32\%に向上する。 最後に,我々の触覚トラッカーは,ハードウェア再生中の実演力の再現に重要であることを示す。 これらの結果から,CARDを介した接触保存は,ロボットに人間の器用さを伝達するためのスケーラブルなインタフェースであることが確認された。

関連論文リスト

• DexOAK: Object-Aware Kinematic Retargeting [45.88028371034407]
  DexOAKは人間のモーションキャプチャーデータから接触一貫性のあるロボットハンドレファレンスを生成する学習ベースのキネマティックフレームワークである。 ロボットは、人間の手だけでのポーズよりも、実証された物-相対的な相互作用を再現する。 Inspireでは、OakInk-v2では39.5%から48.4%に、ADD-AUCは62.7%から77.9%に上昇している。
  論文  参考訳（メタデータ） (2026-10-19T17:20:10Z)
• VICAR: Video Imitation with Contact-Aware Retargeting for Humanoid Interactive Skills [6.114397439286871]
  3人目の人間ビデオは、タスク固有の報酬工学、遠隔操作、ヒューマノイドのロコ操作のための手動スクリプトによるデモに代わるスケーラブルな代替手段を提供する。 最近のビデオからヒューマノイドのシステムは、ノイズの多い人間の動き、物体の軌跡、接触を非構造ビデオから抽出できることを示した。 VICARは人型ビデオから人型インタラクティブなスキルを学習するためのパイプラインである。
  論文  参考訳（メタデータ） (2026-10-09T06:34:26Z)
• Robotizing Human Videos with Physically Consistent Interactions [54.27025073220947]
  ビデオ編集の手法は手でレンダリングされたロボットに取って代わるが、不正確なインタラクションの再構築は不整合の把握を生み出す。 これらの障害には、相互作用幾何学とシーン可視性という2つの相補的な物理的側面から対処する。 その結果得られたビデオは、人間のデモの相互作用構造をロボット互換の形で保存し、ロボットのデモと共同で訓練される。
  論文  参考訳（メタデータ） (2026-10-05T11:08:50Z)
• HOI-Retarget: Contact-Centric Retargeting for Human-Object Interaction [4.781686004329527]
  本稿では,人間型ロボットに対話ターゲットとしてラベル付けされた全ての接触を移動させる,コンタクト中心の方法であるHOI-Retargetを提案する。 この方法は、モノクロビデオから再構成された接触を吸収し、1つの物体を操作する複数のロボットに拡張する。
  論文  参考訳（メタデータ） (2026-09-28T09:06:47Z)
• Touch2Robot: Robot Touch in the Human Demonstration Loop [4.894188027885703]
  Touch2Robotは、人間が対象のロボットがオブジェクトにどのように接触するかを確認しながら、デモを収集できるフレームワークだ。 我々は人間の手の動き、触覚手袋の測定、人間の操作時の物体の動きを捉える。 学習した動作を、人間の観測や物体形状をロボットの手の配置にマッピングする、統合されたリアルタイム再ターゲッターに蒸留する。
  論文  参考訳（メタデータ） (2026-09-21T14:26:51Z)
• Tactile-WAM: Touch-Aware World Action Model with Tactile Asymmetric Attention [53.84395207661823]
  触覚非対称注意機構(TAAM)を備えたタッチ対応WAMであるTactile-WAMを提案する。 ManiFeelでは、Tactile-WAMは平均成功率を38.9%改善し、コンタクトリッチタスクでは86%改善した。
  論文  参考訳（メタデータ） (2026-06-25T06:54:56Z)
• GRAIL: Generating Humanoid Loco-Manipulation from 3D Assets and Video Priors [113.71148915419246]
  GRAILは3Dアセット、シミュレーター対応シーン、およびビデオファンデーションモデル(VFM)の先行データで構成され、物理的環境を再構築したりロボットを遠隔操作したりすることなく対話を合成するデジタル生成パイプラインである。 GRAILは、オブジェクト形状、カメラパラメータ、メートル法スケール、環境深度、ロボットが提案する文字がビデオ生成の前に知られ、再構成中に再利用される、完全に定義された3D構成から始まる。 我々は、回復した動作をヒューマノイドロボットに再ターゲティングし、補完的なタスク・ジェネラル・モルフォロジー・トラッカーを訓練する。 GRAILは、ピックアップ、オブジェクト操作、着座にまたがる2万以上のシーケンスを生成する
  論文  参考訳（メタデータ） (2026-06-03T17:57:45Z)
• Contact-aware Human Motion Generation from Textual Descriptions [57.871692507044344]
  本稿では,テキストから3次元対話型人間の動作を生成する問題に対処する。 私たちは「Contact-Aware Texts」を表すRICH-CATという新しいデータセットを作成します。 そこで本研究では,テキストによる対話型人間の動作合成のためのCATMOという新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-03-23T04:08:39Z)
• Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
  本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。 入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。 実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
  論文  参考訳（メタデータ） (2021-09-15T17:05:02Z)

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。