論文の概要: TeamHOI: Learning a Unified Policy for Cooperative Human-Object Interactions with Any Team Size

• arxiv url: http://arxiv.org/abs/2603.07988v1
• Date: Mon, 09 Mar 2026 05:52:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.586492
• Title: TeamHOI: Learning a Unified Policy for Cooperative Human-Object Interactions with Any Team Size
• Title（参考訳）: TeamHOI: あらゆるチームサイズと協調的なヒューマンオブジェクトインタラクションのための統一されたポリシーを学ぶ
• Authors: Stefan Lionar, Gim Hee Lee,
• Abstract要約: 物理に基づくヒューマノイド制御は、現実的でハイパフォーマンスな単一エージェントの動作を可能にするために顕著な進歩を遂げた。 我々は,複数の協力エージェント間で協調的なHOIを処理するための,単一の分散政策を実現するためのフレームワークであるTeamHOIを提案する。
• 参考スコア（独自算出の注目度）: 54.0714652192002
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physics-based humanoid control has achieved remarkable progress in enabling realistic and high-performing single-agent behaviors, yet extending these capabilities to cooperative human-object interaction (HOI) remains challenging. We present TeamHOI, a framework that enables a single decentralized policy to handle cooperative HOIs across any number of cooperating agents. Each agent operates using local observations while attending to other teammates through a Transformer-based policy network with teammate tokens, allowing scalable coordination across variable team sizes. To enforce motion realism while addressing the scarcity of cooperative HOI data, we further introduce a masked Adversarial Motion Prior (AMP) strategy that uses single-human reference motions while masking object-interacting body parts during training. The masked regions are then guided through task rewards to produce diverse and physically plausible cooperative behaviors. We evaluate TeamHOI on a challenging cooperative carrying task involving two to eight humanoid agents and varied object geometries. Finally, to promote stable carrying, we design a team-size- and shape-agnostic formation reward. TeamHOI achieves high success rates and demonstrates coherent cooperation across diverse configurations with a single policy.
• Abstract（参考訳）: 物理学に基づくヒューマノイド制御は、現実的でハイパフォーマンスな単一エージェントの動作を可能にするために顕著な進歩を遂げてきたが、これらの能力を協調的な人間-物体相互作用(HOI)に拡張することは依然として困難である。 我々は,複数の協力エージェント間で協調的なHOIを処理するための,単一の分散政策を実現するためのフレームワークであるTeamHOIを提案する。 各エージェントは、チームメイトトークンを備えたTransformerベースのポリシネットワークを通じて、他のチームメイトへの参加中に、ローカルな観察を使用して運用する。 協調したHOIデータの不足に対処しながら、動きリアリズムを強制するために、トレーニング中に物体と相互作用する身体部位をマスキングしながら、単人間の参照動作を利用するマスク付き対向運動優先戦略(AMP)を導入する。 マスクされた領域はタスク報酬によって誘導され、多様で物理的に妥当な協調行動を生み出す。 そこで我々は,2～8個のヒューマノイドエージェントと多様なオブジェクトジオメトリを含む協調輸送課題において,TeamHOIを評価した。 最後に, 安定した搬送を促進するため, チームサイズおよび形状に依存しない成形報酬を設計する。 TeamHOIは高い成功率を達成し、単一のポリシでさまざまな構成でコヒーレントな協力を示しています。

関連論文リスト

• Generalizable Agent Modeling for Agent Collaboration-Competition Adaptation with Multi-Retrieval and Dynamic Generation [19.74776726500979]
  ひとつのエージェントを新しいマルチエージェントシステムに適用することは、課題をもたらし、さまざまなタスク、環境、未知のチームメイトや相手とのインタラクションを調整する必要がある。 本稿では,多種多様なシナリオにまたがってエージェントを一般化するためのエージェント評価を行う,より包括的なエージェント協調適応手法を提案する。 ACCAでは、エージェントはタスクや環境の変化を調整し、目に見えないチームメイトと協力し、未知の相手と競う。
  論文  参考訳（メタデータ） (2025-06-20T03:28:18Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [50.657070334404835]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)
• CooHOI: Learning Cooperative Human-Object Interaction with Manipulated Object Dynamics [44.30880626337739]
  CooHOIはマルチヒューマノイド物体輸送問題の解決を目的としたフレームワークである。 単一のヒューマノイドキャラクタは、人間の動きの先行から模倣学習を通じてオブジェクトと対話することを学ぶ。 そして、ヒューマノイドは、操作対象の共有ダイナミクスを考慮し、他人と協調することを学ぶ。
  論文  参考訳（メタデータ） (2024-06-20T17:59:22Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)

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。