ロボット操作学習、テレオペなし＋高精度キャプチャで実現—HiFi-UMI

要約

スタンフォード大などの研究チームは、人間操作を高精度でキャプチャする UMI (Universal Manipulation Interface) システム HiFi-UMI を開発した。頭部装着ステレオカメラと慣性センサ、マイクロ秒同期で 3mm 精度の把持姿勢を捉え、高精度データだけから実ロボットにそのまま展開可能な操作ポリシーを学習できることを実証した。StarVLA-QwenPI、OpenPI、LingBot-VA の 3 つのモデルで、実際のテレオペ基準比でわずか −2.5～+3.1 ポイントの差に収まり、精密挿入タスクで 85% の成功率を達成した。これまで スケール課題から実ロボット少量データで微調整する手法が標準だったが、本研究はそのステップを不要にした。