論文の概要: RUMI: A Robotiq-Matched Universal Manipulation Interface for Robot Learning with Augmented Reality and Haptic Feedback
- arxiv url: http://arxiv.org/abs/2611.15802v1
- Date: Wed, 11 Nov 2026 18:17:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.248049
- Title: RUMI: A Robotiq-Matched Universal Manipulation Interface for Robot Learning with Augmented Reality and Haptic Feedback
- Title(参考訳): RUMI:拡張現実と触覚フィードバックを付加したロボット学習用ユニバーサルマニピュレーションインタフェース
- Abstract要約: RUMIは、Robotiq 2F-85と交換可能な指先センサーを備えたハンドヘルドユニバーサル操作インタフェースである。
本研究では,ロボットの力覚的遠隔操作を支援する触覚フィードバック機構を提案する。
- 参考スコア(独自算出の注目度): 8.565202267856357
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many manipulation tasks require carefully controlled contact forces for successful execution, yet large-scale, force-aware datasets remain scarce. Handheld interfaces can help by transmitting interaction forces directly through the operator's arm, but most existing designs are tailored to simple linear grippers and do not match the nonlinear mechanics of widely used robotic grippers. We present RUMI, a handheld universal manipulation interface matched to the Robotiq 2F-85 with exchangeable fingertip sensors that preserves the target gripper geometry while enabling natural input before contact and force measurement after contact. By integrating the tracking system into a virtual reality headset, our method provides real-time augmented reality feedback about the kinematic feasibility of motion on the target robot platform. We further introduce a haptic feedback mechanism that supports force-aware teleoperation for simulated and real robots. A user study shows fewer episodes containing joint-limit violations with live robot visualization and pose initialization (3/50) than without augmented reality (16/50). We additionally train imitation policies from demonstrations, collected using two different fingertip modalities enabled by the gripper-matched hardware, and assess the haptic interface's capability for collecting force-aware teleoperation datasets in simulation.
- Abstract(参考訳): 多くの操作タスクは、実行を成功させるために慎重に制御された接触力を必要とするが、大規模なフォース対応データセットは少ないままである。
ハンドヘルドインタフェースは操作者の腕から直接相互作用力を伝達するのに役立つが、既存の設計のほとんどは単純なリニアグリップパーに適合しており、広く使われているロボットグリップパーの非線形力学と一致しない。
本稿では,ロボット2F-85に適合するハンドヘルドユニバーサル操作インタフェースであるRUMIについて,接触前の自然な入力と接触後の力測定を可能にしつつ,目標グリップ形状を保存できる交換可能な指先センサについて述べる。
トラッキングシステムをバーチャルリアリティーヘッドセットに統合することにより、ターゲットロボットプラットフォーム上での運動のキネマティックな実現可能性に関するリアルタイム拡張現実フィードバックを提供する。
さらに,実ロボットの力覚的遠隔操作を支援する触覚フィードバック機構を導入する。
ユーザスタディでは、ライブロボットの可視化による連関違反を含むエピソードが少なくなり、拡張現実(16/50)よりも初期化(3/50)が生じる。
さらに、グリップマッチングハードウェアによって実現された2つの指先モードを用いて、デモンストレーションから模倣ポリシーを訓練し、シミュレーションにおいて力覚的遠隔操作データセットを収集する触覚インタフェースの機能を評価する。
関連論文リスト
- TouchBridge: Tactile-Conditioned Human-to-Robot Transfer for Dexterous Manipulation [37.226508795109396]
我々は,人間からロボットへのデータ変換のためのハードウェア設計のフレームワークであるTouchBridgeを紹介する。
本稿では,触覚接触パッチを整列させる触覚条件付手法であるTac-Retargetを紹介する。
論文 参考訳(メタデータ) (2026-10-29T16:06:36Z) - FOMI: A Force-Feedback Manipulation Interface for Teaching Contact-Rich Manipulation [59.638802273101646]
FOMIは、ハサミ型機構を備えたフォースフィードバック操作インタフェースである。
本研究では,センサキャリブレーション,データ取得,ロボットフリーコレクションの同期処理を統合したデモコレクションシステムを構築した。
FOMIは、ロボットフリーのコレクションと遠隔操作において、最高のベースラインよりも、コレクション効率を約29%と18%向上させる。
論文 参考訳(メタデータ) (2026-10-14T09:10:24Z) - 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) - Now You Feel It, Now You See Me: Digital-Twin-based Teleoperation Interface for Dexterous Manipulation [0.0]
本稿では,デジタルツインベースの拡張現実(AR)遠隔操作インタフェースを提案する。
ベアハンドトラッキング、バイマニュアルロボットハンド、およびロボットとタスクオブジェクトの仮想表現を統合している。
ロボットの手メッシュの触覚測定を、ビジュオフォースのフィードバックとして表示する。
論文 参考訳(メタデータ) (2026-10-04T09:28:40Z) - RGB-D Video Generation for Improving Human-to-Robot Object Handover Prediction [51.76737991200891]
H2R(Human-to-robot)オブジェクトハンドオーバは、人間とロボットのコラボレーションの基本的な能力である。
本稿では,RGB-DビデオデータセットであるHand2Botを紹介する。
ハンドオブジェクトの一貫性を確保しつつ,現実的なハンドオーバシーケンスを合成する生成パイプラインであるPassGenを提案する。
論文 参考訳(メタデータ) (2026-08-13T09:55:59Z) - 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) - A High-Fidelity Robotic Manipulator Teleoperation Framework for Human-Centered Augmented Reality Evaluation [1.8381910913370485]
ARBotはリアルタイムの遠隔操作プラットフォームで、人間の自然な動きを効果的に捉え、ロボットマニピュレータを使って動きを正確に再現することができる。
制御可能でスケーラブルなAR評価をサポートするために,ARBotを用いてキャプチャした132の人・合成軌道のベンチマークデータセットをリリースする。
論文 参考訳(メタデータ) (2026-02-06T00:21:06Z) - 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) - Taccel: Scaling Up Vision-based Tactile Robotics via High-performance GPU Simulation [34.47272224723296]
ロボット,触覚センサ,物体を精度と前例のない速度でモデル化するために,IPCとABDを統合した高性能なシミュレーションプラットフォームであるTaccelを提案する。
並列化が制限されたサブリアルタイム速度で動作する従来のシミュレータとは異なり、Taccelは正確な物理シミュレーションとリアルな触覚信号を提供する。
これらの能力は、触覚ロボットの研究と開発を拡大するための強力なツールとして、Taccelを位置づけている。
論文 参考訳(メタデータ) (2025-04-17T12:57:11Z) - Learning Variable Compliance Control From a Few Demonstrations for Bimanual Robot with Haptic Feedback Teleoperation System [5.497832119577795]
厳格なロボットを使った、きめ細やかな、接触に富んだ操作は、ロボット工学において重要な課題である。
外部センサを介して力を制御することでこれらの問題を緩和するために、コンプライアンス制御スキームが導入されている。
Demonstrationsからの学習は直感的な代替手段であり、ロボットは観察された動作を通じて操作を学習できる。
論文 参考訳(メタデータ) (2024-06-21T09:03:37Z)
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。