arXiv cs.AI· Yosub Shin, Yuan Liu, Igor Molybog·· 11 小时前AI 评分38
一个头戴相机就够了：单目移动相机标注与观测的无电子 UMI 手套
A Head Camera Is (Almost) All You Need: An Electronics-Free UMI Glove Labelled and Observed by One Moving Camera
AI 导读
研究者提出用一只 122 美元的头戴自视角相机替代 UMI 手套方案中的腕部相机、位姿追踪器和多路数据流，通过读取 22 美元无电子手套上的印刷标记与工作区纸片标记，直接输出 6-DoF 夹爪位姿与夹爪开度。
正文 · AI 翻译
摘要：手持演示设备将数据采集与机器人解耦，但传统设计让手部负担沉重：腕部相机、线缆和位姿追踪器（SLAM、IMU、VR 控制器，或会被采集者身体遮挡的固定外部相机），同时让数据管线负担沉重：需要为同样多的数据流打时间戳、同步和交叉校准。我们证明，一个佩戴在采集者头部的单一第一人称相机（122 美元）可以取代腕部相机、位姿追踪器及其各自独立的数据流，将其合而为一。它读取无电子元件手套（22 美元）上的印刷基准标记，对照贴在工作区周围的纸质贴片，从策略将要看到的同一批帧中给出 6 自由度夹爪位姿和夹爪开口宽度；部署时，同一相机搭载在机器人旁的低成本（120 美元）机械臂上，根据机器人的关节状态模仿采集者的头部。与机器人编码器相比，标签的中位精度为 6.5 毫米和 1.6 度，帧覆盖率为 93-100%，而用这些标签而非编码器训练的策略在验证损失上多付出 3%。将 194 个手套演示添加到 48 个遥操作回合中，使 rollout 成功率从 10/25 提升到 17/25，与仅用 172 个遥操作回合（18/25）持平；而完整的联合训练头部相机策略成功率为 20/25，相比之下腕部相机方案为 15/25（其策略在目标离开视野时会掉落物体），固定相机方案为 12/25。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.27622 [cs.RO] |
| （或 arXiv:2610.27622v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27622 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yosub Shin [查看电子邮件]
[v1]
2026 年 10 月 20 日星期二 04:40:10 UTC（1,534 KB）
来源：arXiv cs.AI · arxiv.org