Key points are not available for this paper at this time.
人間の手の動きデータからの模倣学習は、ロボットに人間のような巧妙さを持たせるための有望な手段を示しています。この可能性にもかかわらず、既存の手のモーションキャプチャ(モキャプ)システムの可搬性およびモキャプデータを効果的な制御ポリシーに変換することの難しさなど、依然として多くの課題が存在します。これらの問題に対処するために、私たちはポータブルな手のモーションキャプチャシステムDexCapを紹介し、さらに人間の手のモキャプデータから直接巧妙なロボットスキルを訓練するための新しい模倣アルゴリズムであるDexILを提供します。DexCapは、SLAMと電磁場に基づいた手首および指の動きの精密で遮蔽に強いトラッキングを提供し、環境の3D観測データを利用します。この豊かなデータセットを活用して、DexILは逆運動学とポイントクラウドに基づく模倣学習を使用して、人間の動作をロボットの手で再現します。人間の動きから学ぶことを超えて、DexCapはロボットのパフォーマンスを洗練し、向上させるためのオプションのヒューマンインザループ修正メカニズムも提供します。6つの巧妙な操作タスクでの広範な評価を通じて、私たちのアプローチは優れたパフォーマンスを示すだけでなく、野外でのモキャプデータから効果的に学習するシステムの能力も示し、巧妙な操作のための将来のデータ収集方法への道を開きます。詳細は https://dex-cap.github.io でご覧いただけます。
Wang et al. (Tue,) はこの問題を研究しました。
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: