論文の概要: ExtremControl: Low-Latency Humanoid Teleoperation with Direct Extremity Control
- arxiv url: http://arxiv.org/abs/2602.11321v2
- Date: Sat, 28 Feb 2026 01:06:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.382249
- Title: ExtremControl: Low-Latency Humanoid Teleoperation with Direct Extremity Control
- Title（参考訳）: ExtremControl:直接極性制御による低レイテンシヒューマノイド遠隔操作
- Abstract要約: 低レイテンシなヒューマノイド遠隔操作システムの構築は、多様な動的デモンストレーションの収集に不可欠である。
本稿では,低レイテンシな全身制御フレームワークExtremControlを提案する。
我々は,光学式モーションキャプチャとVRベースのモーショントラッキングの両方をサポートする低遅延ヒューマノイド遠隔操作システムを実装した。
- 参考スコア（独自算出の注目度）: 30.37049933792157
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Building a low-latency humanoid teleoperation system is essential for collecting diverse reactive and dynamic demonstrations. However, existing approaches rely on heavily pre-processed human-to-humanoid motion retargeting and position-only PD control, resulting in substantial latency that severely limits responsiveness and prevents tasks requiring rapid feedback and fast reactions. To address this problem, we propose ExtremControl, a low latency whole-body control framework that: (1) operates directly on SE(3) poses of selected rigid links, primarily humanoid extremities, to avoid full-body retargeting; (2) utilizes a Cartesian-space mapping to directly convert human motion to humanoid link targets; and (3) incorporates velocity feedforward control at low level to support highly responsive behavior under rapidly changing control interfaces. We further provide a unified theoretical formulation of ExtremControl and systematically validate its effectiveness through experiments in both simulation and real-world environments. Building on ExtremControl, we implement a low-latency humanoid teleoperation system that supports both optical motion capture and VR-based motion tracking, achieving end-to-end latency as low as 50ms and enabling highly responsive behaviors such as ping-pong ball balancing, juggling, and real-time return, thereby substantially surpassing the 200ms latency limit observed in prior work.
- Abstract（参考訳）: 低レイテンシなヒューマノイド遠隔操作システムの構築は、多様な反応性および動的デモンストレーションの収集に不可欠である。
しかし、既存のアプローチでは、高度に前処理された人-人-人-人-運動再ターゲティングと位置のみのPD制御に依存しており、応答性を著しく制限し、迅速なフィードバックと迅速な反応を必要とするタスクを防止している。
この問題を解決するために, ExtremControlを提案する。(1) 選択された厳密なリンク(主にヒューマノイド)のSE(3)ポーズを直接操作し, フルボディーリターゲティングを回避する,(2) カルテシア空間マッピングを用いて人体リンクターゲットに直接変換する, (3) 速度フィードフォワード制御を低レベルに組み込んで, 急速に変化する制御インタフェース下での高応答動作を支援する。
さらに、ExtremControlの統一的な理論定式化を行い、シミュレーションと実環境の両方の実験を通して、その効果を体系的に検証する。
ExtremControlをベースとして,光学式モーションキャプチャとVRベースのモーショントラッキングの両方をサポートする低レイテンシなヒューマノイド遠隔操作システムを構築し,50msまでのエンドツーエンドのレイテンシを実現し,ピンポンボールのバランシングやジャグリング,リアルタイムリターンといった高い応答性を実現する。
関連論文リスト
- Spatiotemporal Agility: Time-Constrained Reinforcement Learning for Vision-Guided Dynamic Quadrupedal Interception [3.372164928871513]
脚のあるロボットは、複雑で動的な環境を知覚し、相互作用するために、堅牢な俊敏性を必要とします。
既存の四足歩行の作業の多くは、厳密な時間的制約の中で正確な目標に到達するのに苦労する速度追跡ポリシーに依存している。
本稿では,着陸地点と時間予測のための視覚モジュールと直接位置と時間条件のRLロコモーションポリシを組み合わせた統合フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-07T07:42:19Z) - Chasing Autonomy: Dynamic Retargeting and Control Guided RL for Performant and Controllable Humanoid Running [18.386652442201665]
ヒューマノイドロボットは、速いランニングやダイナミックランニングを含む、人間のようなロコモットを約束する。
人間の動きを模倣できる強化学習コントローラが普及しているが、それらはシングルモーションプレイバックに制限されることが多い。
本稿では,最適化ルーチンを通じて人間の動作を動的に再ターゲットするパイプラインを提案する。
論文 参考訳（メタデータ） (2026-03-26T20:48:33Z) - Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces [3.349003999623489]
本稿では,カスタム6自由度上肢ロボットのための共有制御型リハビリテーションポリシーを提案する。
患者は二進法で一次到達方向を制御し、ロボットは自律的に矯正動作を管理する。
論文 参考訳（メタデータ） (2026-03-06T11:15:10Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳（メタデータ） (2026-03-03T18:59:29Z) - CLOT: Closed-Loop Global Motion Tracking for Whole-Body Humanoid Teleoperation [54.7399209456857]
閉ループグローバルモーショントラッキングを実現する,リアルタイムな人型遠隔操作システムCLOTを提案する。
CLOTはオペレータとロボットのポーズをクローズドループで同期させ、長時間のタイムホライズン上でドリフトフリーな人間-人間-ヒューマノイドの模倣を可能にする。
本研究では,報奨評価から観測軌道を分離し,スムーズで安定した大域的補正を可能にするデータ駆動ランダム化手法を提案する。
論文 参考訳（メタデータ） (2026-02-13T12:03:13Z) - PMG: Parameterized Motion Generator for Human-like Locomotion Control [14.637220434597168]
我々は,人間のような動きを1つの統合システムで生成するリアルタイムモーションジェネレータを開発した。
一つの統合システムにおいて、PMGは人間のような自然な動きを生じさせ、高次元の制御入力に正確に応答することを示す。
これらの結果は、自然かつ展開可能なヒューマノイド制御への実践的で実験的に検証された経路を確立する。
論文 参考訳（メタデータ） (2026-02-13T06:38:04Z) - TeleGate: Whole-Body Humanoid Teleoperation via Gated Expert Selection with Motion Prior [27.930225667015872]
本稿では,ヒューマノイドロボットのための統合された全身遠隔操作フレームワークTeleGateを提案する。
私たちのキーとなる考え方は、軽量なゲーティングネットワークをトレーニングすることで、ドメイン固有の専門家ポリシーの完全な能力を維持することです。
リアルタイム遠隔操作における将来の参照軌跡の欠如を補うため,VAEベースのモーション先行モジュールを導入する。
論文 参考訳（メタデータ） (2026-02-10T10:14:06Z) - TextOp: Real-time Interactive Text-Driven Humanoid Robot Motion Generation and Control [62.93681680333618]
TextOpはリアルタイムテキスト駆動型ヒューマノイドモーション生成および制御フレームワークである。
ストリーミング言語コマンドと実行中のオンザフライ命令修正をサポートする。
対話型モーション生成を堅牢な全身制御でブリッジすることで、TextOpは自由形式のインテント表現をアンロックする。
論文 参考訳（メタデータ） (2026-02-07T08:42:11Z) - Controllable Long-term Motion Generation with Extended Joint Targets [5.580967710862411]
COMETはリアルタイムに動作する自動回帰フレームワークであり、汎用的な文字制御と堅牢な長距離合成を可能にする。
我々のTransformerベースの条件付きVAEは、任意のユーザ特定関節を正確にインタラクティブに制御できる。
この機構はプラグイン・アンド・プレイのスタイリングモジュールとしても機能し、リアルタイムのスタイル転送を可能にする。
論文 参考訳（メタデータ） (2025-12-04T05:44:15Z) - From Language to Locomotion: Retargeting-free Humanoid Control via Motion Latent Guidance [55.31807046722006]
既存の言語誘導型ヒューマノイドパイプラインは面倒で信頼できない。
本稿では,言語を基盤とした動作潜伏者に対してヒューマノイドポリシーを規定する言語フリーフレームワークであるRoboGhostを紹介する。
我々は,RoboGhostがデプロイメントの遅延を大幅に低減し,成功率と精度を向上し,スムーズでセマンティックに整合したヒューマノイドを生成することを示す。
論文 参考訳（メタデータ） (2025-10-16T17:57:47Z) - COIN: Control-Inpainting Diffusion Prior for Human and Camera Motion Estimation [98.05046790227561]
COINは、人間の動きとカメラの動きを細粒度に制御できる、コントロール・インパインティング・モーション拡散である。
COINは、グローバルな人間の動き推定とカメラの動き推定という観点から、最先端の手法よりも優れています。
論文 参考訳（メタデータ） (2024-08-29T10:36:29Z) - TLControl: Trajectory and Language Control for Human Motion Synthesis [68.09806223962323]
本稿では,人間のリアルな動き合成のための新しい手法であるTLControlを提案する。
低レベルのTrajectoryと高レベルのLanguage semanticsコントロールが組み込まれている。
インタラクティブで高品質なアニメーション生成には実用的である。
論文 参考訳（メタデータ） (2023-11-28T18:54:16Z)
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。