DEXOP : Un dispositif pour le transfert robotique de la manipulation dextre humaine
DEXOP: A Device for Robotic Transfer of Dexterous Human Manipulation
September 4, 2025
papers.authors: Hao-Shu Fang, Branden Romero, Yichen Xie, Arthur Hu, Bo-Ruei Huang, Juan Alvarez, Matthew Kim, Gabriel Margolis, Kavya Anbarasu, Masayoshi Tomizuka, Edward Adelson, Pulkit Agrawal
cs.AI
papers.abstract
Nous introduisons le concept de périopération, un paradigme pour la collecte de données robotiques qui instrumente et enregistre les manipulations humaines tout en maximisant la transférabilité des données vers des robots réels. Nous mettons en œuvre ce paradigme dans DEXOP, un exosquelette de main passif conçu pour maximiser la capacité humaine à collecter des données sensorielles riches (vision + tactile) pour diverses tâches de manipulation dextre dans des environnements naturels. DEXOP relie mécaniquement les doigts humains aux doigts robotiques, offrant aux utilisateurs un retour haptique direct (via la proprioception) et reflétant la posture de la main humaine sur la main robotique passive afin de maximiser le transfert des compétences démontrées vers le robot. Le retour de force et la synchronisation des postures rendent les démonstrations de tâches plus naturelles pour les humains par rapport à la téléopération, augmentant à la fois la vitesse et la précision. Nous évaluons DEXOP sur une gamme de tâches dextres et riches en contacts, démontrant sa capacité à collecter des données de démonstration de haute qualité à grande échelle. Les politiques apprises à partir des données de DEXOP améliorent significativement les performances des tâches par unité de temps de collecte de données par rapport à la téléopération, faisant de DEXOP un outil puissant pour faire progresser la dextérité robotique. Notre page de projet est disponible à l'adresse https://dex-op.github.io.
English
We introduce perioperation, a paradigm for robotic data collection that
sensorizes and records human manipulation while maximizing the transferability
of the data to real robots. We implement this paradigm in DEXOP, a passive hand
exoskeleton designed to maximize human ability to collect rich sensory (vision
+ tactile) data for diverse dexterous manipulation tasks in natural
environments. DEXOP mechanically connects human fingers to robot fingers,
providing users with direct contact feedback (via proprioception) and mirrors
the human hand pose to the passive robot hand to maximize the transfer of
demonstrated skills to the robot. The force feedback and pose mirroring make
task demonstrations more natural for humans compared to teleoperation,
increasing both speed and accuracy. We evaluate DEXOP across a range of
dexterous, contact-rich tasks, demonstrating its ability to collect
high-quality demonstration data at scale. Policies learned with DEXOP data
significantly improve task performance per unit time of data collection
compared to teleoperation, making DEXOP a powerful tool for advancing robot
dexterity. Our project page is at https://dex-op.github.io.