論文の概要: Dance2Hesitate: A Multi-Modal Dataset of Dancer-Taught Hesitancy for Understandable Robot Motion

• arxiv url: http://arxiv.org/abs/2603.10166v1
• Date: Tue, 10 Mar 2026 18:59:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.176688
• Title: Dance2Hesitate: A Multi-Modal Dataset of Dancer-Taught Hesitancy for Understandable Robot Motion
• Title（参考訳）: Dance2Hesitate: 理解不能なロボット動作のためのダンストレートヒーシテンシーのマルチモーダルデータセット
• Authors: Srikrishna Bangalore Raghu, Anna Soukhovei, Divya Sai Sindhuja Vankineni, Alexandra Bacula, Alessandro Roncone,
• Abstract要約: ロボットとロボットのコラボレーションにおいて、ロボットは、人間の協調戦略、注意配分、安全に関する判断を形作る重要な要素である。 我々は,マルチモーダルなダンサー生成型ヘシタントモーションデータセットを導入,オープンソース化する。 このデータセットは、(i)フランカ・エミカ・パンダで、固定開始設定から3段階のヘシタシーレベルを有する固定目標(ジェンガタワー)に到達する体育的な指導デモを含む。
• 参考スコア（独自算出の注目度）: 71.79098459623397
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In human-robot collaboration, a robot's expression of hesitancy is a critical factor that shapes human coordination strategies, attention allocation, and safety-related judgments. However, designing hesitant robot motion that generalizes is challenging because the observer's inference is highly dependent on embodiment and context. To address these challenges, we introduce and open-source a multi-modal, dancer-generated dataset of hesitant motion where we focus on specific context-embodiment pairs (i.e., manipulator/human upper-limb approaching a Jenga Tower, and anthropomorphic whole body motion in free space). The dataset includes (i) kinesthetic teaching demonstrations on a Franka Emika Panda reaching from a fixed start configuration to a fixed target (a Jenga tower) with three graded hesitancy levels (slight, significant, extreme) and (ii) synchronized RGB-D motion capture of dancers performing the same reaching behavior using their upper limb across three hesitancy levels, plus full human body sequences for extreme hesitancy. We further provide documentation to enable reproducible benchmarking across robot and human modalities. Across all dancers, we obtained 70 unique whole-body trajectories, 84 upper limb trajectories spanning over the three hesitancy levels, and 66 kinesthetic teaching trajectories spanning over the three hesitancy levels. The dataset can be accessed here: https://brsrikrishna.github.io/Dance2Hesitate/.
• Abstract（参考訳）: ロボットとロボットのコラボレーションにおいて、ロボットは、人間の協調戦略、注意配分、安全に関する判断を形作る重要な要素である。 しかし、観察者の推論は体格や文脈に大きく依存するため、一般化する頑丈なロボットの動きを設計することは困難である。 これらの課題に対処するため、我々は、特定のコンテキスト・エボディメント・ペア(Jenga Towerに接近するマニピュレータ/人間の上肢、自由空間における人為的全身運動)に焦点を当てた、マルチモーダルでダンサー生成のヘシタット・モーションデータセットを導入、オープンソース化した。 データセットには 一 定点から定点(ジェンガ塔)に到達したフランカ・エミカ・パンダの体育指導デモ(軽・重・極度) (II) 踊り手が上肢を3つのヘシテンシーレベル、および極度のヘシテンシーのためのフルヒューマン・ボディ・シーケンスで同じ到達動作を行うように同期したRGB-Dモーション・キャプチャー。 さらに、ロボットと人間のモダリティ間で再現可能なベンチマークを可能にする文書も提供します。 いずれのダンサーも,70個の単体軌跡,84個の上肢軌跡,66個の体温教育トラジェクトリを得た。 データセットは以下にアクセスできる。 https://brsrikrishna.github.io/Dance2Hesitate/。

関連論文リスト

• Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching [77.28042137892943]
  本稿では,人間型ロボットの長期的視覚的パーキングを自律的に行うためのモジュール型フレームワークであるPerceptive Humanoid Parkour(PHP)を提案する。 本研究は、これらの合成動作に対する運動追跡強化学習専門家の政策を訓練し、それらを深度に基づく多スキル学生政策に抽出する。 我々は,Unitree G1ヒューマノイドロボットを用いた実世界実験により,我々のフレームワークを検証した。
  論文  参考訳（メタデータ） (2026-02-17T18:59:11Z)
• ZEST: Zero-shot Embodied Skill Transfer for Athletic Robot Control [37.4764082674475]
  本稿では,多種多様な情報源からの強化学習を通じて政策を訓練する動きの合理化フレームワークであるZESTを紹介する。 ZESTは、連絡先ラベル、参照または観察ウィンドウ、状態推定器、広範囲な報酬形成を避けながら、行動やプラットフォームをまたいで一般化する。 ボストン・ダイナミクスのアトラス・ヒューマノイドで、ZESTはモーションキャプチャーからダイナミックでマルチコンタクトのスキル(例えば、陸軍のクロール、ブレイクダンス)を学ぶ。
  論文  参考訳（メタデータ） (2026-01-30T23:35:02Z)
• Generalizable Geometric Prior and Recurrent Spiking Feature Learning for Humanoid Robot Manipulation [90.90219129619344]
  本稿では,スパイキング機能を備えたR-prior-S, Recurrent Geometric-priormodal Policyを提案する。 物理的現実の高レベル推論を基礎として、軽量な2次元幾何学的帰納バイアスを利用する。 ロボット行動生成におけるデータ効率問題に対して,再帰的適応スパイクネットワークを導入する。
  論文  参考訳（メタデータ） (2026-01-13T23:36:30Z)
• KungfuBot2: Learning Versatile Motion Skills for Humanoid Whole-Body Control [30.738592041595933]
  ヒューマノイドロボットが単一ポリシーで多様な動的動作を学習できる統一された全身制御系VMSを提案する。 我々のフレームワークは、局所的な動きの忠実度とグローバルな軌道の整合性のバランスをとるハイブリッドな追跡目標を統合している。 シミュレーションと実世界の実験の両方においてVMSの特殊化を広範囲に検証し、ダイナミックスキルの正確な模倣、分長シーケンスでの安定した性能、そして目に見えない動作に対する強力な一般化を実証した。
  論文  参考訳（メタデータ） (2025-09-20T11:31:14Z)
• Salsa as a Nonverbal Embodied Language -- The CoMPAS3D Dataset and Benchmarks [0.5937476291232802]
  即興サルサダンスにおける最大かつ最も多様なモーションキャプチャーデータセットであるCoMPAS3Dを提案する。 データセットには、初心者、中間、プロのスキルレベルにまたがる18人のダンサーによる3時間のリーダーフォロワーサルサダンスが含まれている。 我々は,音声言語と対話処理における重要な問題を並列処理する合成人間の2つのベンチマークタスクについて,CoMPAS3Dを評価する。
  論文  参考訳（メタデータ） (2025-07-25T21:33:48Z)
• ExBody2: Advanced Expressive Humanoid Whole-Body Control [16.69009772546575]
  人間のモーションキャプチャーとシミュレーションデータの両方に基づいてトレーニングされた全身トラッキングコントローラの製作法を提案する。 我々は,ロボットのキネマティクスに適合する中間データを生成するために,教師の方針を利用する。 少量のデータによる微調整により追跡性能が大幅に向上した。
  論文  参考訳（メタデータ） (2024-12-17T18:59:51Z)
• DisCo: Disentangled Control for Realistic Human Dance Generation [125.85046815185866]
  ダンス合成の合成性を改善するために,不整合制御をもつ新しいモデルアーキテクチャであるdisCOを導入する。 DisCcは、さまざまな外観と柔軟な動きを持つ高品質な人間のダンス画像やビデオを生成することができる。
  論文  参考訳（メタデータ） (2023-06-30T17:37:48Z)
• RoboPianist: Dexterous Piano Playing with Deep Reinforcement Learning [61.10744686260994]
  本稿では,150曲のピアノ作品の大規模なレパートリーをシミュレートして学習するシステムであるRoboPianistを紹介する。 また,オープンソース環境,タスクのベンチマーク,解釈可能な評価指標,今後の研究課題についても紹介する。
  論文  参考訳（メタデータ） (2023-04-09T03:53:05Z)

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。