論文の概要: LIDEA: Human-to-Robot Imitation Learning via Implicit Feature Distillation and Explicit Geometry Alignment

• arxiv url: http://arxiv.org/abs/2604.10677v1
• Date: Sun, 12 Apr 2026 15:02:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.168332
• Title: LIDEA: Human-to-Robot Imitation Learning via Implicit Feature Distillation and Explicit Geometry Alignment
• Title（参考訳）: LIDEA: 突発的特徴蒸留と明示的幾何学的アライメントによる人間とロボットの模倣学習
• Authors: Yifu Xu, Bokai Lin, Xinyu Zhan, Hongjie Fang, Yong-Lu Li, Cewu Lu, Lixin Yang,
• Abstract要約: 我々は、政策学習が人間の実演から恩恵を受ける模擬学習フレームワークであるLIDEAを紹介する。 2次元視覚領域では、LIDEAは2段階の遷移蒸留パイプラインを使用し、人間とロボットの表現を共有潜在空間で整列させる。 本稿では,3次元幾何学領域において,エボディメントを相互作用幾何学から明確に分離するエンボディメント非依存アライメント戦略を提案する。 その結果、人間のデータはコストのかかるロボットのデモの最大80%を代用し、このフレームワークは人間のビデオから目に見えないパターンを伝達し、アウト・オブ・ディストリビューションの一般化を実現した。
• 参考スコア（独自算出の注目度）: 48.809726040947226
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scaling up robot learning is hindered by the scarcity of robotic demonstrations, whereas human videos offer a vast, untapped source of interaction data. However, bridging the embodiment gap between human hands and robot arms remains a critical challenge. Existing cross-embodiment transfer strategies typically rely on visual editing, but they often introduce visual artifacts due to intrinsic discrepancies in visual appearance and 3D geometry. To address these limitations, we introduce LIDEA (Implicit Feature Distillation and Explicit Geometric Alignment), an imitation learning framework in which policy learning benefits from human demonstrations. In the 2D visual domain, LIDEA employs a dual-stage transitive distillation pipeline that aligns human and robot representations in a shared latent space. In the 3D geometric domain, we propose an embodiment-agnostic alignment strategy that explicitly decouples embodiment from interaction geometry, ensuring consistent 3D-aware perception. Extensive experiments empirically validate LIDEA from two perspectives: data efficiency and OOD robustness. Results show that human data substitutes up to 80% of costly robot demonstrations, and the framework successfully transfers unseen patterns from human videos for out-of-distribution generalization.
• Abstract（参考訳）: ロボット学習のスケールアップは、ロボットデモの不足によって妨げられている。 しかし、人間の手とロボットアームのエンボディメントギャップを埋めることは、依然として重要な課題である。 既存のクロス・エボディメント・トランスファー戦略は、通常、視覚的な編集に依存しているが、視覚的な外観と3次元幾何学における固有の相違による視覚的アーティファクトを導入することが多い。 これらの制約に対処するために、政策学習が人間の実演から恩恵を受ける模擬学習フレームワークであるLIDEA(Implicit Feature Distillation and Explicit Geometric Alignment)を導入する。 2次元視覚領域では、LIDEAは2段階の遷移蒸留パイプラインを使用し、人間とロボットの表現を共有潜在空間で整列させる。 3次元幾何領域において,エボディメントを相互作用幾何学から明確に分離し,一貫した3次元認識を確実にするエンボディメント非依存アライメント戦略を提案する。 データ効率とOOD堅牢性という2つの観点からLIDEAを実証的に検証する実験である。 その結果、人間のデータはコストのかかるロボットのデモの最大80%を代用し、このフレームワークは人間のビデオから目に見えないパターンを伝達し、アウト・オブ・ディストリビューションの一般化を実現した。

関連論文リスト

• 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)
• DynaRend: Learning 3D Dynamics via Masked Future Rendering for Robotic Manipulation [52.136378691610524]
  本稿では、3次元認識と動的インフォームド三面体特徴を学習する表現学習フレームワークDynaRendを紹介する。 マルチビューRGB-Dビデオデータに基づく事前トレーニングにより、DynaRendは空間幾何学、将来のダイナミクス、タスク意味を統合された三面体表現で共同でキャプチャする。 我々は、RLBenchとColosseumという2つの挑戦的なベンチマークでDynaRendを評価し、政策成功率、環境摂動の一般化、様々な操作タスクにおける実世界の適用性などを大幅に改善した。
  論文  参考訳（メタデータ） (2025-10-28T10:17:11Z)
• VidBot: Learning Generalizable 3D Actions from In-the-Wild 2D Human Videos for Zero-Shot Robotic Manipulation [53.63540587160549]
  VidBotは、WildのモノクルなRGBのみの人間ビデオから学習した3Dアベイランスを使って、ゼロショットロボット操作を可能にするフレームワークである。 VidBotは、人間の日常的なビデオを利用してロボットの学習をよりスケーラブルにする。
  論文  参考訳（メタデータ） (2025-03-10T10:04:58Z)
• SUGAR: Pre-training 3D Visual Representations for Robotics [85.55534363501131]
  ロボット工学のための新しい3D事前学習フレームワークSUGARを紹介した。 SUGARは3次元の点雲を通してオブジェクトの意味的、幾何学的、および余分な特性をキャプチャする。 SuGARの3D表現は最先端の2Dおよび3D表現よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-04-01T21:23:03Z)

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。