巧みな操作の学習：ハンド・シミュレータ・訓練・評価のサーベイ

- dexterous hand による object pose 変更（把持したまま姿勢を変える）を扱う learning-based 手法 113 件の survey - 対象は手法だけでなく、使用される hands、学習に使う simulators、結果の報告方法まで横断的に整理 - 論文本文に加え、公開 code と vendor specifications を突き合わせて分析している点が特徴 - 2022 年以降の出版数が 3 倍に増加、grasping が最大のタスク群、bimanual coordination が最も伸びていると報告

- 既存 survey との差分は要旨からは不明（比較対象の先行 survey は明示されていない） - 貢献は文献の集計にとどまらず、released code と vendor specifications を読んだ突き合わせにある - 方法論文に一切登場しない、購入可能または公開設計で作れる hands が 8 種類あると指摘 - 把持対象へのめり込み深さ（depth）が報告される場合でも、その運動を生んだ physics 上で測られていないと指摘 - Section VII で未報告量に対する protocol を提案している点が新しい

- 113 件の learning-based dexterous manipulation 手法を体系的に分類・集計する survey 手法 - 支配的な recipe を特定：GPU simulator 上の privileged state での reinforcement learning を、vision-only student に distillation して hardware へ転移 - 全 corpus の約半数がこの recipe で訓練され、ほぼ全てが単一の simulator 上、その後継版はほとんど使われていないと報告 - 第二の急成長枝として teleoperated demonstration からの学習を整理：vision-language-action models、diffusion policies、収集 rig 自体を貢献とする systems - 実験のほぼ全てが 4 種類の hands のいずれかで行われていると集計

- 113 件の手法 corpus のカウントに基づき、上記の各主張の背後にある件数を本文で提示 - 論文記述だけでなく released code と vendor specifications を併読して検証 - 方法論文に現れない hands 8 種の存在を、購入可能性・公開設計の観点から確認 - depth 報告の有無と、それが physics 上で測られているかを点検 - 提案 protocol 自体の実験的検証は要旨からは不明

- 分野が単一 simulator と 4 種の hands に収斂している偏りを問題視 - simulator の後継版がほとんど使われていない点を指摘 - 報告されない量（例：把持対象へのめり込み深さ）と、physics に基づかない測定を課題として挙げる - Section VII で未報告量のための protocol を提案 - 個々の手法の性能比較や限界の議論は要旨からは不明

- 要旨で明示的に参照・比較されている個別論文はなし - 関連手法として reinforcement learning、privileged state からの distillation、vision-only student、teleoperation、vision-language-action models、diffusion policies の各文献 - 単一 simulator とその後継版に関する simulator 論文 - 4 種の hands および方法論文に現れない hands 8 種の vendor specifications・公開設計 - Section VII の protocol が扱う未報告量（把持対象へのめり込み深さ等）に関する計測・評価研究