論文の概要: Functional Force-Aware Retargeting from Virtual Human Demos to Soft Robot Policies

• arxiv url: http://arxiv.org/abs/2604.01224v1
• Date: Wed, 01 Apr 2026 17:59:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:32.140926
• Title: Functional Force-Aware Retargeting from Virtual Human Demos to Soft Robot Policies
• Title（参考訳）: 仮想人間デモからソフトロボットポリシーへの機能的力認識のリターゲティング
• Authors: Uksang Yoo, Mengjia Zhu, Evan Pezent, Jom Preechayasomboon, Jean Oh, Jeffrey Ichnowski, Amir Memar, Ben Abbatematteo, Homanga Bharadhwaj, Ashish Deshpande, Harsha Prahlad,
• Abstract要約: 我々は,ソフトロボットに接触力について明示的に推論することで,人間のような操作スキルを身につけるためのフレームワークであるSoftActを紹介した。 人間の関節軌跡をリターゲットする従来のアプローチとは異なり、SoftActは2段階の力認識アルゴリズムを採用している。
• 参考スコア（独自算出の注目度）: 22.000828900701237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce SoftAct, a framework for teaching soft robot hands to perform human-like manipulation skills by explicitly reasoning about contact forces. Leveraging immersive virtual reality, our system captures rich human demonstrations, including hand kinematics, object motion, dense contact patches, and detailed contact force information. Unlike conventional approaches that retarget human joint trajectories, SoftAct employs a two-stage, force-aware retargeting algorithm. The first stage attributes demonstrated contact forces to individual human fingers and allocates robot fingers proportionally, establishing a force-balanced mapping between human and robot hands. The second stage performs online retargeting by combining baseline end-effector pose tracking with geodesic-weighted contact refinements, using contact geometry and force magnitude to adjust robot fingertip targets in real time. This formulation enables soft robotic hands to reproduce the functional intent of human demonstrations while naturally accommodating extreme embodiment mismatch and nonlinear compliance. We evaluate SoftAct on a suite of contact-rich manipulation tasks using a custom non-anthropomorphic pneumatic soft robot hand. SoftAct's controller reduces fingertip trajectory tracking RMSE by up to 55 percent and reduces tracking variance by up to 69 percent compared to kinematic and learning-based baselines. At the policy level, SoftAct achieves consistently higher success in zero-shot real-world deployment and in simulation. These results demonstrate that explicitly modeling contact geometry and force distribution is essential for effective skill transfer to soft robotic hands, and cannot be recovered through kinematic imitation alone. Project videos and additional details are available at https://soft-act.github.io/.
• Abstract（参考訳）: 我々は,ソフトロボットに接触力について明示的に推論することで,人間のような操作スキルを身につけるためのフレームワークであるSoftActを紹介した。 我々のシステムは没入型バーチャルリアリティを活用し、手キネマティクス、物体の動き、密接な接触パッチ、詳細な接触力情報など、豊富な人間のデモをキャプチャする。 人間の関節軌跡をリターゲットする従来のアプローチとは異なり、SoftActは2段階の力覚的リターゲットアルゴリズムを採用している。 第1段階の属性は、個々の人間の指に接触力を示し、ロボットの指に比例して割り当て、人間とロボットの手で力バランスの取れたマッピングを確立する。 第2段階は、ベースラインエンドエフェクタのポーズトラッキングとジオデシック重み付きコンタクトリファインメントを組み合わせ、接触形状と力量を用いてロボット指先目標をリアルタイムで調整してオンラインリターゲットを行う。 この定式化により、ソフトロボットハンドは、極端な実施ミスマッチと非線形コンプライアンスを自然に調整しながら、人間のデモンストレーションの機能的意図を再現することができる。 我々は、カスタムな非人為的空気圧ロボットハンドを用いて、コンタクトリッチな操作タスクのスイート上でSoftActを評価する。 SoftActのコントローラは、指先軌跡追跡RMSEを最大55%削減し、運動や学習ベースのベースラインと比較して、トラッキングのばらつきを最大66%低減する。 ポリシーレベルでは、SoftActはゼロショットの現実世界の展開とシミュレーションにおいて一貫して高い成功を収めている。 これらの結果から, 接触形状と力分布を明示的にモデル化することは, ソフトロボットハンドへの効果的な技術伝達に不可欠であり, 運動模倣だけでは回復できないことが示唆された。 プロジェクトビデオと詳細はhttps://soft-act.github.io/.com/で公開されている。

関連論文リスト

• FRoM-W1: Towards General Humanoid Whole-Body Control with Language Instructions [147.04372611893032]
  FRoM-W1は、自然言語を用いた一般的なヒューマノイド全体の動作制御を実現するために設計されたオープンソースのフレームワークである。 我々はUnitree H1とG1ロボット上でFRoM-W1を広範囲に評価した。 その結果,HumanML3D-Xベンチマークにおいて,人体全体の動作生成に優れた性能を示した。
  論文  参考訳（メタデータ） (2026-01-19T07:59:32Z)
• Semantic Co-Speech Gesture Synthesis and Real-Time Control for Humanoid Robots [5.531678625546847]
  本稿では,意味論的に意味のある共同音声ジェスチャーを合成し,人間型ロボット上でリアルタイムに展開する,革新的なエンドツーエンドフレームワークを提案する。 私たちの中核的なイノベーションは、セマンティックスを意識したジェスチャー合成モジュールの巧妙な統合にあります。 本システムでは, セマンティックに適切かつリズミカルにコヒーレントなジェスチャーを生成する。
  論文  参考訳（メタデータ） (2025-12-19T02:55:10Z)
• OSMO: Open-Source Tactile Glove for Human-to-Robot Skill Transfer [34.13467792368733]
  我々は、人間とロボットのスキル伝達用に設計されたウェアラブルな触覚手袋であるOSMOを紹介する。 人間の実演のみに特化して訓練されたロボットポリシーは、困難なコンタクトリッチな操作タスクを実行することができることを実証する。
  論文  参考訳（メタデータ） (2025-12-09T18:56:30Z)
• ResMimic: From General Motion Tracking to Humanoid Whole-body Loco-Manipulation via Residual Learning [59.64325421657381]
  ヒューマノイド全体のロコ操作は、日々のサービスや倉庫のタスクにトランスフォーメーション機能を約束する。 ResMimicは、人間の動作データから正確に表現力のあるヒューマノイド制御のための2段階の残差学習フレームワークである。 結果は、強いベースラインよりもタスク成功、トレーニング効率、堅牢性が大幅に向上したことを示している。
  論文  参考訳（メタデータ） (2025-10-06T17:47:02Z)
• From Human Hands to Robot Arms: Manipulation Skills Transfer via Trajectory Alignment [36.08997778717271]
  現実世界のロボットの多様な操作スキルを学ぶことは、高価でスケールの難しい遠隔操作によるデモンストレーションに依存することでボトルネックとなる。 本稿では,操作終端の3次元軌跡を統一中間表現として利用することにより,この実施ギャップを橋渡しする新しいフレームワークであるTraj2Actionを紹介する。 我々の方針はまず,人間とロボットの両方のデータを活用することで,高レベルの運動計画を形成する粗い軌道を生成することを学習する。
  論文  参考訳（メタデータ） (2025-10-01T04:21:12Z)
• KungfuBot: Physics-Based Humanoid Whole-Body Control for Learning Highly-Dynamic Skills [58.73043119128804]
  そこで本研究では,Kungfuやダンスなどの人体動作を高度に制御することを目的とした,物理学に基づくヒューマノイド制御フレームワークを提案する。 動作処理では,運動の抽出,フィルタリング,修正,再ターゲティングを行うパイプラインを設計し,物理的制約の遵守を確実にする。 動作模倣では、二段階最適化問題を定式化し、追従精度の許容度を動的に調整する。 実験では,高ダイナミックな動作のセットを模倣するために全身制御ポリシーを訓練する。
  論文  参考訳（メタデータ） (2025-06-15T13:58:53Z)
• Feel the Force: Contact-Driven Learning from Humans [52.36160086934298]
  操作中のきめ細かい力の制御は、ロボット工学における中核的な課題である。 We present FeelTheForce, a robot learning system that model human tactile behavior to learn force-sensitive control。 提案手法は,5つの力覚的操作タスクで77%の成功率を達成した,スケーラブルな人間の監督において,堅牢な低レベル力制御を実現する。
  論文  参考訳（メタデータ） (2025-06-02T17:57:52Z)
• Hierarchical Procedural Framework for Low-latency Robot-Assisted Hand-Object Interaction [45.256762954338704]
  ロボット支援ハンドオブジェクトインタラクション(HOI)を実現するための階層型手続きフレームワークを提案する。 オープンループ階層は、手の動きをロボットの動きに変換するように設計されたモーションプリミティブに基づいて、RGBベースの人間の手の3D再構成を利用する。 リングウェアリングタスクのケーススタディは、医療や製造業などの補助技術への本研究の適用の可能性を示している。
  論文  参考訳（メタデータ） (2024-05-29T21:20:16Z)

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。