日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2609.36676

接触の多い巧みな操作デモンストレーションのための運動学的非線形時空間軌道ワーピング

Kinematic Nonlinear Spatio-Temporal Trajectory Warping for Contact-Rich Dexterous Manipulation Demonstrations

シェア:XThreadsFacebookLINEはてブBluesky

手と物体の軌道を入力とし、接触分布を利用して中間ウェイポイントや障害物、時間的ずれ、開始・終了姿勢の変化に対応した高品質な非線形軌道ワープを生成する手法を提案。

詳しい要約

1. どんなもの?

- 接触を伴う器用な操作のデモンストレーションを再利用する手法を提案。 - 入力は手と物体の軌道で、出力は中間ウェイポイント、環境障壁、時間的シフト、開始/終了構成の変化を考慮した非線形軌道ワープ。 - 接触分布を利用し、物体中心のワープ仕様パイプラインに従って高次元の手軌道を計算。 - 公開されている人間の手の運動データセットから4つのデモと12のバリエーションで評価。 - ベースライン比較と異なるマニピュレータへの汎化を実証。

2. 先行研究と比べてどこがすごい?

- 既存の接触リッチなデモの再利用手法と比較して、単純でありながら効果的。 - 接触分布を活用することで、複雑で高次元の手軌道を信頼性高く計算可能。 - 物体中心のワープ仕様パイプラインにより、中間ウェイポイントや環境障壁、時間的シフト、開始/終了構成の変化に対応。 - 異なるマニピュレータへの汎化を示す。 - 具体的な先行研究との比較は要旨からは不明。

3. 技術・手法の肝は?

- 接触分布を利用することが核心。 - 物体中心のワープ仕様パイプラインに従い、非線形軌道ワープを生成。 - 手と物体の軌道を入力とし、中間ウェイポイント、環境障壁、時間的シフト、開始/終了構成の変化を考慮。 - 高次元の手軌道を計算。 - 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?

- 公開されている人間の手の運動データセットから4つのデモと12のバリエーションで評価。 - ベースライン比較を実施。 - 異なるマニピュレータへの汎化を実証。 - 結果とコードは出版時に公開予定。 - 具体的な評価指標は要旨からは不明。

5. 議論はある?

- 手法の単純さと効果を主張。 - 接触分布の利用が高次元軌道計算に有効であることを示す。 - 異なるマニピュレータへの汎化を確認。 - 限界や議論の詳細は要旨からは不明。

6. 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記されていない。 - 同分野の定番として、contact-rich manipulation、dexterous manipulation、trajectory warping、human hand motion data に関する研究が挙げられる。 - 具体的な論文名は要旨からは不明。

※ 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: Hyojae Park, Arjun S. Lakshmipathy, Nancy S. Pollard

分類: cs.RO

原文アブストラクト

We present a straightforward but effective method for repurposing existing contact-rich dexterous manipulation demonstrations. Starting from inputs of hand and object trajectories, our method outputs high-quality nonlinear trajectory warps that account for intermediate waypoints, environmental barriers, temporal shifts, and varied start/end configurations. Foundational to our method is the utilization of contact distributions, which we show allows us to reliably compute complex and high-dimensional dexterous hand trajectories following a simple object-centric warp specification pipeline. We evaluate our method across 12 variations sourced from 4 demonstrations in a publicly available dataset of human hand motion data, perform baseline comparisons, and demonstrate generalization of our approach to different manipulators. Results and code will be made available on publication.

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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI