論文の概要: AdaMorph: Unified Motion Retargeting via Embodiment-Aware Adaptive Transformers

• arxiv url: http://arxiv.org/abs/2601.07284v1
• Date: Mon, 12 Jan 2026 07:39:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.7394
• Title: AdaMorph: Unified Motion Retargeting via Embodiment-Aware Adaptive Transformers
• Title（参考訳）: AdaMorph: 身体認識型適応変換器による統一モーションリターゲティング
• Authors: Haoyu Zhang, Shibo Jin, Lvsong Li, Jun Li, Liang Lin, Xiaodong He, Zecui Zeng,
• Abstract要約: 本研究では、単一モデルで多様なロボット形態に人間の動きを適応させることができる統一型ニューラルネットワークフレームワークを提案する。 12個の異なるヒューマノイドロボットの実験結果から、AdaMorphが異種トポロジにわたって効果的に制御できることが示されている。
• 参考スコア（独自算出の注目度）: 49.796014934503184
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Retargeting human motion to heterogeneous robots is a fundamental challenge in robotics, primarily due to the severe kinematic and dynamic discrepancies between varying embodiments. Existing solutions typically resort to training embodiment-specific models, which scales poorly and fails to exploit shared motion semantics. To address this, we present AdaMorph, a unified neural retargeting framework that enables a single model to adapt human motion to diverse robot morphologies. Our approach treats retargeting as a conditional generation task. We map human motion into a morphology-agnostic latent intent space and utilize a dual-purpose prompting mechanism to condition the generation. Instead of simple input concatenation, we leverage Adaptive Layer Normalization (AdaLN) to dynamically modulate the decoder's feature space based on embodiment constraints. Furthermore, we enforce physical plausibility through a curriculum-based training objective that ensures orientation and trajectory consistency via integration. Experimental results on 12 distinct humanoid robots demonstrate that AdaMorph effectively unifies control across heterogeneous topologies, exhibiting strong zero-shot generalization to unseen complex motions while preserving the dynamic essence of the source behaviors.
• Abstract（参考訳）: 人間の動きを異種ロボットに再ターゲティングすることは、ロボット工学の基本的な課題であり、主に様々な実施形態間の激しい運動的およびダイナミックな相違が原因である。 既存のソリューションは、通常、エンボディディメント固有のモデルのトレーニングを頼りにしており、スケールが悪く、共有動作セマンティクスの活用に失敗する。 AdaMorphは、単一のモデルで人間の動きを多様なロボット形態に適応させることができる統合されたニューラルリターゲティングフレームワークである。 本稿では,リターゲティングを条件生成タスクとして扱う。 我々は、人間の動きを形態素に依存しない潜在意図空間にマッピングし、生成を条件付けるために2目的のプロンプト機構を利用する。 単純な入力結合の代わりに、適応層正規化(AdaLN)を利用して、エンボディメント制約に基づいてデコーダの特徴空間を動的に変調する。 さらに,カリキュラムをベースとした学習目標によって,統合による方向性と軌道の整合性を確保することにより,身体的妥当性を向上する。 12個の異なるヒューマノイドロボットによる実験結果から、AdaMorphはヘテロジニアストポロジの制御を効果的に統一し、源の挙動の動的本質を保ちながら、目に見えない複雑な動きに強いゼロショットの一般化を示すことが示された。

関連論文リスト

• RoboForge: Physically Optimized Text-guided Whole-Body Locomotion for Humanoids [20.796118584632904]
  自然言語と全身移動を橋渡しする統合潜在駆動型フレームワークを提案する。 我々のフレームワークは、テキスト誘導型ヒューマノイドインテリジェンスをデプロイするための実践的なパスを提供する。
  論文  参考訳（メタデータ） (2026-03-18T17:02:56Z)
• SPARK: Skeleton-Parameter Aligned Retargeting on Humanoid Robots with Kinodynamic Trajectory Optimization [9.553570391005257]
  人間の動きは、汎用的なヒューマノイド制御ポリシーを訓練するための豊富な事前情報を提供するが、生のデモンストレーションはロボットの運動学や力学と相容れないことが多い。 タスク空間の人的データから自然および動的に実行可能な動作参照を生成するための2段階パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-03-12T03:03:14Z)
• EchoMotion: Unified Human Video and Motion Generation via Dual-Modality Diffusion Transformer [64.69014756863331]
  本研究では,外見と人間の動作の同時分布をモデル化するフレームワークであるEchoMotionを紹介する。 また,ビデオトークンとモーショントークンの両方に3次元位置符号化を統一したMVS-RoPEを提案する。 以上の結果から,人間の動きを明示的に表現することは出現することであり,人間中心のビデオ生成のコヒーレンスと妥当性を著しく向上させることが判明した。
  論文  参考訳（メタデータ） (2025-12-21T17:08:14Z)
• OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction [76.44108003274955]
  ヒューマノイドロボットの複雑なスキルを教えるための主要なパラダイムは、強化学習ポリシーの運動学的参照として人間の動きを再ターゲットすることである。 インタラクションメッシュに基づくインタラクション保存データ生成エンジンであるOmniRetargetを紹介する。 人間のメッシュとロボットメッシュの間のラプラシアの変形を最小限にすることで、OmniRetargetは運動学的に実現可能な軌道を生成する。
  論文  参考訳（メタデータ） (2025-09-30T17:59:02Z)
• GENMO: A GENeralist Model for Human MOtion [64.16188966024542]
  本稿では,1つのフレームワークで動作推定と生成を橋渡しする汎用人体運動モデル GENMO を提案する。 我々の重要な洞察は、出力運動が観測された条件信号を正確に満たさなければならないような制約された動き生成として運動推定を再構成することである。 我々の新しいアーキテクチャは、可変長動きと混合マルチモーダル条件(テキスト、オーディオ、ビデオ)を異なる時間間隔で処理し、柔軟な制御を提供する。
  論文  参考訳（メタデータ） (2025-05-02T17:59:55Z)
• HeteroMorpheus: Universal Control Based on Morphological Heterogeneity Modeling [12.771577344846282]
  HeteroMorpheusは異種グラフ変換器に基づく新しい手法である。 政策一般化能力における最先端手法に対するHeteroMorpheusの優位性を実証する。
  論文  参考訳（メタデータ） (2024-08-02T12:40:01Z)
• I-CTRL: Imitation to Control Humanoid Robots Through Constrained Reinforcement Learning [8.97654258232601]
  有界残留強化学習(I-CTRL)によるヒューマノイドロボットの制御フレームワークの開発 I-CTRLは5つのロボットにまたがるシンプルでユニークな報酬で、動きの模倣に優れています。 本フレームワークでは,大規模動作データセットを管理するための自動優先度スケジューラを導入している。
  論文  参考訳（メタデータ） (2024-05-14T16:12:27Z)
• Universal Morphology Control via Contextual Modulation [52.742056836818136]
  異なるロボット形態をまたいだ普遍的なポリシーの学習は、継続的な制御における学習効率と一般化を著しく向上させることができる。 既存の手法では、グラフニューラルネットワークやトランスフォーマーを使用して、異種状態と異なる形態のアクション空間を処理する。 本稿では,この依存関係を文脈変調によりモデル化する階層型アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-22T00:04:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。