マニピュレーション2026/6/1arXiv:2606.16272

TopoRetarget: 巧みな操作のための相互作用を保持するリターゲティング

TopoRetarget: Interaction-Preserving Retargeting for Dexterous Manipulation

人間の手と物体のデモンストレーションをロボットハンドに適応させる際、接触構造を保つリターゲティング手法を提案。接触精度とポリシー学習成功率を向上させ、実機へのゼロショット転送も実現。

詳しい要約

1. どんなもの？

- 人間の手と物体のデモンストレーションをロボットの巧みな操作に活用するためのリターゲティングフレームワーク。 - タスクに関連する手と物体の接触構造を保持しながら、多様なリターゲティング条件に単一のパラメータセットで対応。 - 強化学習（RL）ポリシーの学習を改善する参照動作を生成する。

2. 先行研究と比べてどこがすごい？

- 従来のリターゲティング手法と比較して、接触精度とアラインメントがContactPose Dataset上で最高性能。 - Pen-Spinタスクの訓練成功率が既存ベースラインより40.6パーセンテージポイント向上。 - キューブ再配向とペンスピニングにおいてWuji Handハードウェアへのゼロショット転移を実現。

3. 技術・手法の肝は？

- 手と物体のキーポイント上にスパースな相互作用グラフを構築。 - 距離重み付きLaplacian変形を方向一貫性、運動学的制約、貫通処理と共に最適化。 - 単一のパラメータセットで多様なリターゲティング条件に対応。

4. どうやって有効だと検証した？

- ContactPose Dataset上で接触精度とアラインメントを評価し、全ベースラインを上回る。 - Pen-Spin訓練の成功率を既存ベースラインと比較して40.6ポイント改善。 - Wuji Handハードウェア上でキューブ再配向とペンスピニングのゼロショット転移を実証。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- ContactPose Dataset、Pen-Spin、Wuji Hand、および既存のリターゲティングベースライン手法。

※ 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: Jielin Wu, Shenzhe Yao, Guanqi He, Xiaohan Liu, Zhaoqing Zeng, Xiangrui Jiang, Han Yang, Wentao Zhang, Hang Zhao

分類: cs.RO

原文アブストラクト

Human hand-object demonstrations provide dense reference motions for training dexterous manipulation reinforcement learning (RL) policies through reference tracking. However, to use such demonstrations for RL policy learning, retargeting must preserve hand pose and task-relevant hand-object contact structure. Otherwise, contact and feasibility artifacts can degrade downstream RL policy performance. We introduce TopoRetarget, an interaction-preserving retargeting framework that uses a single set of parameters across diverse retargeting conditions while maintaining task-relevant hand-object interaction and adapting human demonstrations to dexterous robot hands. The method constructs a sparse interaction graph over hand and object keypoints and optimizes distance-weighted Laplacian deformation with directional consistency, kinematic constraints, and penetration handling. Evaluations show that the generated references improve both interaction fidelity and policy learning: TopoRetarget achieves the best contact precision and alignment over all baselines on the ContactPose Dataset, improves Pen-Spin training success by 40.6 percentage points over the existing baseline methods, and enables zero-shot transfer to Wuji Hand hardware on cube reorientation and pen spinning.

arXivで原文を読む →arXiv概要ページ

TopoRetarget: 巧みな操作のための相互作用を保持するリターゲティング

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文

今週よく読まれている記事

FRONTIER（GPU搭載BTOパソコン）

双腕モバイルマニピュレーター OpenShell