全身巧みさ
Whole-Body Dexterity
ロボットの全身を接触面として使い、大きな物体を把持・操作するフレームワークを提案し、Unitree G1で実機検証した。
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？
※ 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: Conor Mc Gartoll, An Dang, Pranay Thangeda, Arjun Gupta, Carolina Higuera, Nima Fazeli, Mustafa Mukadam, Manikantan Nambi
分類: cs.RO, cs.AI, cs.LG, eess.SY
原文アブストラクト
Current humanoid dexterous manipulation remains largely confined to end-effectors and simple grasps, falling short of humans' ability to engage the entire body by bracing and sliding bulky objects against the arms and torso. We introduce Whole-Body Dexterity (WBD), a general framework that uses the robot's body and appendages as contact surfaces to grasp and manipulate objects. Our sim-to-real pipeline first generates a dataset of feasible whole-body grasps, then trains reinforcement-learning experts on a general any-to-any repositioning objective by sampling initial and goal grasps from the dataset, and distills these experts into a single policy that uses proprioception and object geometry. We show that the distilled policy transfers zero-shot to a real Unitree G1, where it repositions a basketball and a cardboard box to regions around the torso and completes a long-horizon task that stows a box under one arm, carries it from a shelf to a table, and places it. The controller operates interactively, steered by coarse motion references from a human teleoperator. Across real-world whole-body manipulation tasks, the distilled controller completes 90% of trials, compared with 18% for direct retargeting and 4% for a generalist whole-body controller.
関連論文
- RoboSpan: 遠隔操作による高自由度全身移動マニピュレーションのためのモジュラー協調ポリシー学習全身マニピュレーション
- PanTact: ウェアラブル接触インターフェースで全身器用さを教える全身マニピュレーション
- Praxis: 一人称視点動画から物理的相互作用の事前知識を蒸留し、汎用的な全身マニピュレーションを実現全身マニピュレーション
- 全身UMI：実時間動作生成によるヒューマノイド全身マニピュレーションへのUMIスキル転移全身マニピュレーション
- LYRIC: 言語駆動の物理ベース全身接触リッチ物体インタラクション制御全身マニピュレーション
- WholeBodyWAM：スケーラブルな動作事前分布を用いた全身ワールドアクションモデルの学習全身マニピュレーション