論文の概要: EgoThumb: A Vision-Driven Supernumerary Robotic Thumb for Autonomous Grasp and Holding Assistance

• arxiv url: http://arxiv.org/abs/2610.37582v1
• Date: Tue, 27 Oct 2026 17:22:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.730537
• Title: EgoThumb: A Vision-Driven Supernumerary Robotic Thumb for Autonomous Grasp and Holding Assistance
• Title（参考訳）: EgoThumb: 自律グリップと保持支援のための視覚駆動型超数式ロボットタム
• Abstract要約: EgoThumbは視覚駆動型超数式ロボットの親指である。 EgoThumbはコンパクトで双対の腱駆動の指で、アクティベーションは前腕に移される。 このシステムは、手のひら面カメラからの自我中心の画像を連続的な関節位置に直接マッピングする視覚模倣学習ポリシーを利用する。
• 参考スコア（独自算出の注目度）: 21.868631539193444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Supernumerary robotic fingers augment human dexterity by enabling a single hand to perform complex "hold-and-manipulate" tasks that typically require bimanual coordination. However, existing devices are often hindered by bulky hardware that limits interaction to large objects and rely on explicit hand motion triggers that lack environmental context. To address these challenges, we present EgoThumb, a fully open-source, vision-driven supernumerary robotic thumb. EgoThumb features a compact, dual tendon-driven finger whose actuation is relocated to the forearm, reducing distal weight while enabling precise active joint control. The system utilizes a visual imitation learning policy that maps egocentric images from a palm-facing camera directly to continuous joint positions. By implicitly decoding human intent from visual cues capturing both the hand and the object of interest, EgoThumb achieves robust autonomous manipulation and strong generalization across diverse users and environments. All hardware designs and software implementations are fully open-sourced at https://ego-thumb.github.io.
• Abstract（参考訳）: スーパーナンバーのロボットの指は、片手で複雑な「保持と操作」タスクを行なえるようにすることで、人間の器用さを高めます。 しかし、既存のデバイスは、大きなオブジェクトとのインタラクションを制限し、環境条件に欠ける明示的な手の動きトリガーに依存する、かさばるハードウェアによって妨げられていることが多い。 これらの課題に対処するために、EgoThumbは、完全にオープンソースでビジョン駆動の超数式ロボットの親指である。 EgoThumbはコンパクトで双対の腱駆動の指で、アクティベーションを前腕に移動させ、遠位体重を減らし、正確なアクティブジョイントコントロールを可能にしている。 このシステムは、手のひら面カメラからの自我中心の画像を連続的な関節位置に直接マッピングする視覚模倣学習ポリシーを利用する。 人間の意図を視覚的な手がかりから暗黙的にデコードすることで、EgoThumbは堅牢な自律的な操作と多様なユーザーや環境における強力な一般化を実現している。 すべてのハードウェア設計とソフトウェア実装はhttps://ego-thumb.github.ioで完全にオープンソース化されている。

関連論文リスト

• Fingers as Legs: Learning Self-Supported Locomotion and Manipulation with an Anthropomorphic Hand [1.3799995789461068]
  歩行ロボットハンドは、同じ指を使って体を動かし、体重を支え、環境と対話しなければならない。 人為的手は指のデザインと位置制御を保ちながら、これらのスキルを学べることを示す。
  論文  参考訳（メタデータ） (2026-09-15T13:34:40Z)
• Benchmarking Dexterity of Multifingered Robot Hands: A Review and Perspective [2.6272316560877362]
  我々は,多指ロボットハンドのデキスタリティをベンチマークする際の技術の現状を調査した。 本稿では,米国国立科学財団 HAND Engineering Research Center の展望を紹介する。 システム複雑性の増加に対応する3つのベンチマークレベルからなるフレームワークを導入する。
  論文  参考訳（メタデータ） (2026-09-04T16:02:04Z)
• EgoTactile: Learning Grasp Pressure for Everyday Objects from Egocentric Video [82.13376072770363]
  没入型VRとロボット操作には、エゴセントリックビデオからのフルハンドグリッププレッシャーの推定が不可欠だ。 EgoTactileは、さまざまな日常オブジェクトに対するフルハンドプレッシャー監視を備えた、エゴセントリックなビデオのベンチマークである。 EgoPressureDiffは、大規模に訓練されたビデオ拡散バックボーンに適応する条件付き拡散フレームワークである。
  論文  参考訳（メタデータ） (2026-06-08T09:20:03Z)
• ActiveGlasses: Learning Manipulation with Active Vision from Ego-centric Human Demonstration [51.69384671495837]
  ActiveGlassesは、エゴ中心の人間のデモからロボット操作を学習するシステムである。 スマートグラスに装着されたステレオカメラは、データ収集とポリシー推論の両方のための唯一の認識装置として機能する。 ゼロ・トランスファーを可能にするために,デモからオブジェクト・トラジェクトリを抽出し,オブジェクト中心のポイント・クラウド・ポリシーを用いて操作と頭部運動を協調的に予測する。
  論文  参考訳（メタデータ） (2026-04-09T17:59:08Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• HoMMI: Learning Whole-Body Mobile Manipulation from Human Demonstrations [15.551927664158695]
  Whole-Body Mobile Manipulation Interface (HoMMI)は、ロボットのない人間のデモから直接、全身のモバイル操作を学習する。 我々は、モバイル操作に必要なグローバルコンテキストをキャプチャするために、エゴセントリックな感覚でUMIインタフェースを拡張する。 私たちはこのギャップを、クロス・エボディメント・ハンド・アイ・ポリシー設計で明示的に埋めます。
  論文  参考訳（メタデータ） (2026-03-03T18:36:49Z)
• Intent at a Glance: Gaze-Guided Robotic Manipulation via Foundation Models [5.731055678884616]
  Eye Eyeは、高速で、非侵襲的で、意図に富んだ入力モダリティを提供する。 我々は,エゴ中心の視線追跡と視覚言語モデルを利用して,ユーザの意図を推測し,ロボット操作タスクを自律的に実行するシステムであるGAMMAを提案する。 結果は、GAMAが堅牢で直感的で汎用的な制御を提供し、基礎モデルを組み合わせる可能性と、自然でスケーラブルなロボット自律性を見つめることを強調している。
  論文  参考訳（メタデータ） (2026-01-08T19:33:03Z)
• Feel the Force: Contact-Driven Learning from Humans [52.36160086934298]
  操作中のきめ細かい力の制御は、ロボット工学における中核的な課題である。 We present FeelTheForce, a robot learning system that model human tactile behavior to learn force-sensitive control。 提案手法は,5つの力覚的操作タスクで77%の成功率を達成した,スケーラブルな人間の監督において,堅牢な低レベル力制御を実現する。
  論文  参考訳（メタデータ） (2025-06-02T17:57:52Z)
• 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)
• AI-Powered Camera and Sensors for the Rehabilitation Hand Exoskeleton [0.393259574660092]
  本研究は,障害者の手の動きを支援する視覚機能付きリハビリテーション・ハンド・エキソスケルトンを提案する。 設計目標は、トレーニングを必要とせずにシンプルなインターフェイスを利用できるツールを作ることだった。
  論文  参考訳（メタデータ） (2024-08-09T04:47:37Z)
• Dexterous Manipulation from Images: Autonomous Real-World RL via Substep Guidance [71.36749876465618]
  本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。 本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。 実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
  論文  参考訳（メタデータ） (2022-12-19T22:50:40Z)

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。