日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
マニピュレーションarXiv:2506.23351

汎化可能な両腕マニピュレーションのベンチマーク：CVPR 2025 MEISワークショップにおけるRoboTwin両腕協調チャレンジ

Benchmarking Generalizable Bimanual Manipulation: RoboTwin Dual-Arm Collaboration Challenge at CVPR 2025 MEIS Workshop

シェア:XThreadsFacebookLINEはてブBluesky

RoboTwinシミュレーションと実機ロボットを用いた両腕マニピュレーションの国際コンペを開催し、17タスクで64チームが競い、汎化可能な協調方策の知見をまとめた。

詳しい要約

1. どんなもの？

- 本論文は、CVPR 2025 MEIS Workshop で開催された RoboTwin Dual-Arm Collaboration Challenge の報告書である。 - Embodied AI の進展を目的に、dual-arm 協調による manipulation のベンチマークを実施。 - RoboTwin Simulation platform (1.0/2.0) と AgileX COBOT-Magic Robot platform を基盤とする。 - Simulation Round 1、Simulation Round 2、Real-World Round の3段階で構成。 - rigid、deformable、tactile-sensitive な物体を含む計17の dual-arm manipulation タスクを扱う。 - 64チーム・400名以上が参加し、SEM や AnchorDP3 などの上位解法が生まれた。

2. 先行研究と比べてどこがすごい？

- 単腕システムは高いタスク性能を示してきたが、より複雑な rigid/deformable/tactile-sensitive 物体の操作には dual-arm 協調が不可欠と位置づける。 - 既存の単腕ベンチマークに対し、dual-arm 協調に特化した simulation と real-world をまたぐ競技設計を提示。 - simulation の2ラウンドに加え real-world round を設け、generalizable bimanual policy learning を評価する点が特徴。 - 具体的な先行研究との数値比較は要旨からは不明。

3. 技術・手法の肝は？

- RoboTwin Simulation platform (1.0/2.0) 上で Simulation Round 1/2 を実施。 - 最終 Real-World Round では AgileX COBOT-Magic Robot platform を用いる。 - rigid、deformable、tactile-based のシナリオを含む17の dual-arm manipulation タスクを設計。 - 競技を通じて generalizable bimanual policy learning の知見を得る評価手法を採用。 - タスク設計・評価方法の詳細なアルゴリズムは要旨からは不明。

4. どうやって有効だと検証した？

- 3段階の競技(Simulation Round 1、Simulation Round 2、Real-World Round)を実施して有効性を検証。 - 17の dual-arm manipulation タスクで参加者の解法を評価。 - 64の国際チーム、400名以上の参加を得て、SEM や AnchorDP3 などの上位解法を創出。 - 定量指標や評価結果の詳細は要旨からは不明。

5. 議論はある？

- 競技結果から generalizable bimanual policy learning に関する有益な知見が得られたと述べる。 - robust かつ generalizable な bimanual manipulation policy の今後の研究方向を示す。 - 具体的な課題や限界、個別の議論内容は要旨からは不明。

6. 次に読むべき論文は？

- 本競技の上位解法である SEM と AnchorDP3。 - 基盤である RoboTwin Simulation platform (1.0/2.0)。 - AgileX COBOT-Magic Robot platform を用いた real-world 評価。 - 同分野の定番として single-arm manipulation のベンチマーク研究。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Tianxing Chen, Kaixuan Wang, Zhaohui Yang, Yuhao Zhang, Zanxin Chen, Baijun Chen, Wanxi Dong, Ziyuan Liu, Dong Chen, Tianshuo Yang, Haibao Yu, Xiaokang Yang, Yusen Qin, Zhiqiang Xie, Yao Mu, Ping Luo, Tian Nian, Weiliang Deng, Yiheng Ge, Yibin Liu, Zixuan Li, Dehui Wang, Zhixuan Liang, Haohui Xie, Rijie Zeng, Yunfei Ge, Peiqing Cong, Guannan He, Zhaoming Han, Ruocheng Yin, Jingxiang Guo, Lunkai Lin, Tianling Xu, Hongzhe Bi, Xuewu Lin, Tianwei Lin, Shujie Luo, Keyu Li, Ziyan Zhao, Ke Fan, Heyang Xu, Bo Peng, Wenlong Gao, Dongjiang Li, Feng Jin, Hui Shen, Jinming Li, Chaowei Cui, Yu Chen, Yaxin Peng, Lingdong Zeng, Wenlong Dong, Tengfei Li, Weijie Ke, Jun Chen, Erdemt Bao, Tian Lan, Tenglong Liu, Jin Yang, Huiping Zhuang, Baozhi Jia, Shuai Zhang, Zhengfeng Zou, Fangheng Guan, Tianyi Jia, Ke Zhou, Hongjiu Zhang, Yating Han, Cheng Fang, Yixian Zou, Chongyang Xu, Qinglun Zhang, Shen Cheng, Xiaohe Wang, Ping Tan, Haoqiang Fan, Shuaicheng Liu, Jiaheng Chen, Chuxuan Huang, Chengliang Lin, Kaijun Luo, Boyu Yue, Yi Liu, Jinyu Chen, Zichang Tan, Liming Deng, Shuo Xu, Zijian Cai, Shilong Yin, Hao Wang, Hongshan Liu, Tianyang Li, Long Shi, Ran Xu, Huilin Xu, Zhengquan Zhang, Congsheng Xu, Jinchang Yang, Feng Xu

分類: cs.RO, cs.AI, cs.LG, cs.MA

原文アブストラクト

Embodied Artificial Intelligence (Embodied AI) is an emerging frontier in robotics, driven by the need for autonomous systems that can perceive, reason, and act in complex physical environments. While single-arm systems have shown strong task performance, collaborative dual-arm systems are essential for handling more intricate tasks involving rigid, deformable, and tactile-sensitive objects. To advance this goal, we launched the RoboTwin Dual-Arm Collaboration Challenge at the 2nd MEIS Workshop, CVPR 2025. Built on the RoboTwin Simulation platform (1.0 and 2.0) and the AgileX COBOT-Magic Robot platform, the competition consisted of three stages: Simulation Round 1, Simulation Round 2, and a final Real-World Round. Participants totally tackled 17 dual-arm manipulation tasks, covering rigid, deformable, and tactile-based scenarios. The challenge attracted 64 global teams and over 400 participants, producing top-performing solutions like SEM and AnchorDP3 and generating valuable insights into generalizable bimanual policy learning. This report outlines the competition setup, task design, evaluation methodology, key findings and future direction, aiming to support future research on robust and generalizable bimanual manipulation policies. The Challenge Webpage is available at https://robotwin-benchmark.github.io/cvpr-2025-challenge/.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大　最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携　2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM（ミニPC）

MINISFORUM（ミニPC）の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI
双腕モバイルマニピュレーターOpenShellの実機とお披露目フライヤー

双腕モバイルマニピュレーター OpenShell

人と働くために、顔がある。

OpenShellの特徴・実機を見る →