日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

遠隔操作arXiv:2603.05861

DexEMG: EMG2Pose汎化による器用な遠隔操作システムの実現

DexEMG: Towards Dexterous Teleoperation System via EMG2Pose Generalization

シェア:XThreadsFacebookLINEはてブBluesky

表面筋電位(sEMG)とMoCapグローブのデータから手の動きを予測するEMG2Poseを学習し、ロボットハンドへのリアルタイムリターゲティングを組み合わせた軽量で低コストな遠隔操作システムを提案した。

詳しい要約

1. どんなもの?

- どんなもの? - 表面筋電図(sEMG)を用いた軽量・低コストな遠隔操作システムDexEMGを提案。 - sEMG信号から手の姿勢を連続予測するニューラルネットワークEMG2Poseを訓練。 - 予測姿勢を多指ロボットハンドにリアルタイムでマッピングするリターゲティングアルゴリズムを開発。 - 多様な遠隔操作タスクで高精度を達成し、新規物体や複雑環境への汎化性能を示す。

2. 先行研究と比べてどこがすごい?

- 先行研究と比べてどこがすごい? - 既存の遠隔操作システムは性能と携帯性のトレードオフに直面。 - 視覚ベースはコストと視線要件に制約され、機械式外骨格は大きく物理的に制限。 - DexEMGはsEMGを活用し、軽量・低コストでこれらの問題を克服。 - 個人別の再キャリブレーションを必要とせず、新規物体や複雑環境への強い汎化能力を示す。

3. 技術・手法の肝は?

- 技術や手法の肝はどこ? - MoCapグローブでsEMG信号と手姿勢の同期データセットを収集。 - EMG2Pose:筋活動から手のキネマティクスを直接連続予測するニューラルネットワーク。 - ロバストなハンドリターゲティングアルゴリズム:予測姿勢を多指ロボットハンドにリアルタイムでマッピング。 - これにより人間の意図とロボット実行のギャップを橋渡し。

4. どうやって有効だと検証した?

- どうやって有効だと検証した? - 多様な遠隔操作タスクで実験を実施。 - 高い精度を達成することを示した。 - 新規物体や複雑環境への汎化性能を確認。 - 集中的な個人別再キャリブレーションが不要であることを実証。

5. 議論はある?

- 議論はある? - 要旨からは不明。 - 具体的な限界や課題、議論の詳細は記載されていない。

6. 次に読むべき論文は?

- 次に読むべき論文は? - 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、sEMGベースの遠隔操作、EMG2Pose関連、ハンドリターゲティング、視覚ベース遠隔操作、機械式外骨格遠隔操作の論文が挙げられる。

※ 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: Qianyou Zhao, Wenqiao Li, Chiyu Wang, Kaifeng Zhang

分類: cs.RO

原文アブストラクト

High-fidelity teleoperation of dexterous robotic hands is essential for bringing robots into unstructured domestic environments. However, existing teleoperation systems often face a trade-off between performance and portability: vision-based capture systems are constrained by costs and line-of-sight requirements, while mechanical exoskeletons are bulky and physically restrictive. In this paper, we present DexEMG, a lightweight and cost-effective teleoperation system leveraging surface electromyography (sEMG) to bridge the gap between human intent and robotic execution. We first collect a synchronized dataset of sEMG signals and hand poses via a MoCap glove to train EMG2Pose, a neural network capable of continuously predicting hand kinematics directly from muscle activity. To ensure seamless control, we develop a robust hand retargeting algorithm that maps the predicted poses onto a multi-fingered dexterous hand in real-time. Experimental results demonstrate that DexEMG achieves high precision in diverse teleoperation tasks. Notably, our system exhibits strong generalization capabilities across novel objects and complex environments without the need for intensive individual-specific recalibration. This work offers a scalable and intuitive interface for both general-purpose robotic manipulation and assistive technologies.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmo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
  3. 3GXO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
  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