スタンフォード大とトヨタ研究所の UMI、カスタム QDD ロボットアームでのデータ収集を公開

記事の3ポイント

1. 1

   UMI データ収集手法の概要と課題

   Stanford と Toyota Research Institute (TRI) が提唱する UMI は、ハンドヘルドデバイスでロボットのエンドエフェクタの姿勢を模倣することで汎用データを収集するが、元の研究では背景条件や手の動きに依存しデータ効率が課題となっていた。

2. 2

   VR トラッカーによる高精度化への取り組み

   同チームは画像と IMU データに依存する従来の推定法を改善するため、VR トラッカーを用いてエンドエフェクタの姿勢を測定する代替アプローチを採用し、データ収集システムの精度向上を図っている。

3. 3

   実機展開における工学的課題の克服

   学習済みポリシーを実際の独自カスタムロボットにデプロイする際、ハードウェアとシステム間に大きな乖離が発見され、測定・制御・コンピュータビジョンの 3 つ領域で不可欠な工学的努力が成功の鍵となった。