Fugu-MT 論文翻訳(概要): Safe Human-to-Humanoid Motion Imitation Using Control Barrier Functions

論文の概要: Safe Human-to-Humanoid Motion Imitation Using Control Barrier Functions

arxiv url: http://arxiv.org/abs/2604.11447v1
Date: Mon, 13 Apr 2026 13:28:15 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-14 20:13:16.560657
Title: Safe Human-to-Humanoid Motion Imitation Using Control Barrier Functions
Title（参考訳）: 制御バリア関数を用いたヒトとヒトの安全な運動模倣
Authors: Wenqi Cai, John Abanes, Nikolaos Evangeliou, Anthony Tzes,
Abstract要約: 本稿では、人間型ロボットが衝突を避けながら人間の動きを模倣できる視覚ベースの枠組みを提案する。安全は、自己衝突と人間とロボットの衝突の両方を防ぐための指令によって強制される。シミュレーションの結果,実時間衝突認識動作模倣のためのフレームワークの有効性が検証された。
参考スコア（独自算出の注目度）: 3.6775347543802686
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Ensuring operational safety is critical for human-to-humanoid motion imitation. This paper presents a vision-based framework that enables a humanoid robot to imitate human movements while avoiding collisions. Human skeletal keypoints are captured by a single camera and converted into joint angles for motion retargeting. Safety is enforced through a Control Barrier Function (CBF) layer formulated as a Quadratic Program (QP), which filters imitation commands to prevent both self-collisions and human-robot collisions. Simulation results validate the effectiveness of the proposed framework for real-time collision-aware motion imitation.
Abstract（参考訳）: 操作安全性の確保は人-人-人-運動模倣にとって重要である。本稿では、人間型ロボットが衝突を避けながら人間の動きを模倣できる視覚ベースの枠組みを提案する。人間の骨格キーポイントは、単一のカメラでキャプチャされ、モーションリターゲティングのための関節角に変換される。安全は、擬似プログラム (QP) として定式化された制御バリア機能 (CBF) レイヤを通じて実施される。シミュレーションの結果,実時間衝突認識動作模倣のためのフレームワークの有効性が検証された。

関連論文リスト

CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。 CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
論文参考訳（メタデータ） (2025-12-16T18:56:04Z)
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)
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)
Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis [51.95817740348585]
Human-Xは、様々な実体をまたいだ没入的で物理的に妥当なヒューマンインタラクションを可能にするために設計された、新しいフレームワークである。本手法は, 自己回帰型反応拡散プランナを用いて, リアルタイムに反応と反応を同時予測する。我々のフレームワークは、人間とロボットのインタラクションのための仮想現実インターフェースを含む、現実世界のアプリケーションで検証されている。
論文参考訳（メタデータ） (2025-08-04T06:35:48Z)
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)
FABG : End-to-end Imitation Learning for Embodied Affective Human-Robot Interaction [3.8177867835232004]
本稿では,人間-ロボットインタラクションのためのエンドツーエンドの模倣学習システムであるFABG(Facial Affective Behavior Generation)を提案する。我々は,立体空間を操作者が知覚できる没入型バーチャルリアリティ(VR)デモシステムを開発した。実世界の25自由度ヒューマノイドロボットにFABGをデプロイし,その効果を4つの基本的なインタラクションタスクで検証する。
論文参考訳（メタデータ） (2025-03-03T09:58:04Z)
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)
I-CTRL: Imitation to Control Humanoid Robots Through Constrained Reinforcement Learning [8.97654258232601]
有界残留強化学習(I-CTRL)によるヒューマノイドロボットの制御フレームワークの開発 I-CTRLは5つのロボットにまたがるシンプルでユニークな報酬で、動きの模倣に優れています。本フレームワークでは,大規模動作データセットを管理するための自動優先度スケジューラを導入している。
論文参考訳（メタデータ） (2024-05-14T16:12:27Z)
Kinematically Constrained Human-like Bimanual Robot-to-Human Handovers [19.052211315080044]
双方向のハンドオーバは、大きな、変形可能な、または繊細なオブジェクトの転送に不可欠である。本稿では,人体に拘束されたロボット動作を生成するための枠組みを提案する。
論文参考訳（メタデータ） (2024-02-22T13:19:02Z)
ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
論文参考訳（メタデータ） (2023-09-11T08:55:04Z)

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。