論文の概要: PAINT: Partner-Agnostic Intent-Aware Cooperative Transport with Legged Robots

• arxiv url: http://arxiv.org/abs/2604.12852v1
• Date: Tue, 14 Apr 2026 15:06:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.526514
• Title: PAINT: Partner-Agnostic Intent-Aware Cooperative Transport with Legged Robots
• Title（参考訳）: PAINT:足ロボットによるパートナー非依存インテント・アウェア・コラボレーティブ・トランスポート
• Authors: Zhihao Cao, Tianxu An, Chenhao Li, Stelian Coros, Marco Hutter,
• Abstract要約: コラボレーティブトランスポートは、安定したロコ操作を維持しながら、物理的な相互作用を通じてパートナーの意図を推論する必要がある。 本稿では,パートナーの意図を直接受容フィードバックから推測する,パートナー対角的意図認識型協調脚輸送のための軽量かつ効率的な階層型学習フレームワークを提案する。 以上の結果から,ペイロード結合相互作用における固有受容信号は,パートナー非依存の協調輸送にスケーラブルなインタフェースを提供する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 29.217220708128025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaborative transport requires robots to infer partner intent through physical interaction while maintaining stable loco-manipulation. This becomes particularly challenging in complex environments, where interaction signals are difficult to capture and model. We present PAINT, a lightweight yet efficient hierarchical learning framework for partner-agonistic intent-aware collaborative legged transport that infers partner intent directly from proprioceptive feedback. PAINT decouples intent understanding from terrain-robust locomotion: A high-level policy infers the partner interaction wrench using an intent estimator and a teacher-student training scheme, while a low-level locomotion backbone ensures robust execution. This enables lightweight deployment without external force-torque sensing or payload tracking. Extensive simulation and real-world experiments demonstrate compliant cooperative transport across diverse terrains, payloads, and partners. Furthermore, we show that PAINT naturally scales to decentralized multi-robot transport and transfers across robot embodiments by swapping the underlying locomotion backbone. Our results suggest that proprioceptive signals in payload-coupled interaction provide a scalable interface for partner-agnostic intent-aware collaborative transport.
• Abstract（参考訳）: コラボレーティブトランスポートは、安定したロコ操作を維持しながら、物理的な相互作用を通じてパートナーの意図を推論する必要がある。 複雑な環境では、インタラクション信号のキャプチャとモデリングが難しい。 我々は、パートナーの意図を直接受容フィードバックから推測するパートナー対角的意図認識協調脚輸送のための軽量で効率的な階層的学習フレームワークPAINTを提案する。 ハイレベルポリシーは、インテント推定器と教師学生のトレーニングスキームを使用してパートナーの相互作用を推論し、低レベルのロコモーションバックボーンはロバストな実行を保証する。 これにより、外部のフォーストルクセンサーやペイロードトラッキングを使わずに、軽量なデプロイメントが可能になる。 大規模なシミュレーションと実世界の実験は、様々な地形、ペイロード、パートナー間の協力輸送に準拠することを示した。 さらに,PAINTは,基盤となる移動バックボーンを交換することで,分散化されたマルチロボット輸送とロボット体間移動に自然にスケールすることを示した。 以上の結果から,ペイロード結合相互作用における固有受容信号は,パートナー非依存の協調輸送にスケーラブルなインタフェースを提供する可能性が示唆された。

関連論文リスト

• ActiveGlasses: Learning Manipulation with Active Vision from Ego-centric Human Demonstration [51.69384671495837]
  ActiveGlassesは、エゴ中心の人間のデモからロボット操作を学習するシステムである。 スマートグラスに装着されたステレオカメラは、データ収集とポリシー推論の両方のための唯一の認識装置として機能する。 ゼロ・トランスファーを可能にするために,デモからオブジェクト・トラジェクトリを抽出し,オブジェクト中心のポイント・クラウド・ポリシーを用いて操作と頭部運動を協調的に予測する。
  論文  参考訳（メタデータ） (2026-04-09T17:59:08Z)
• CoEnv: Driving Embodied Multi-Agent Collaboration via Compositional Environment [54.84167973913561]
  CoEnvは、安全な戦略探索のためにシミュレーションを活用するフレームワークであり、信頼性の高い現実世界のデプロイメントを保証する。 CoEnvは、物理的なワークスペースをデジタル化するリアル・ツー・シムのシーン再構築、コードベースの軌道生成によるリアルタイム計画と安全な配置のための衝突検出によるシム・トゥ・リアル転送の両方をサポートするVLM駆動のアクション合成という3つの段階を経験している。
  論文  参考訳（メタデータ） (2026-04-07T06:24:41Z)
• Learning Whole-Body Control for a Salamander Robot [1.321203201549798]
  サラマンダーに触発された両生類脚ロボットは、複雑な水陸両生環境における応用を約束している。 多くのサンショウウオロボットは、中心パターンジェネレータ(CPG)をベースとし、ロコモーション制御のためのモデルベースコーディネート戦略に頼っていた。 強化学習(Reinforcement Learning)を用いて、主観的観察をマッピングし、共同レベルの行動に速度を指示することで、協調した運動行動が出現する。
  論文  参考訳（メタデータ） (2026-03-17T15:43:15Z)
• Load-Aware Locomotion Control for Humanoid Robots in Industrial Transportation Tasks [19.55626538861657]
  本稿では、疎結合で協調的なロコ操作アーキテクチャに基づく産業用ヒューマノイドの負荷対応ロコモーションフレームワークを提案する。 下半身移動は、運動学的に派生した名目構成に残留的な関節動作を生じる強化学習ポリシーを介して制御される。 このフレームワークは完全にシミュレーションで訓練され、微調整なしでフルサイズのヒューマノイドロボットにデプロイされる。
  論文  参考訳（メタデータ） (2026-03-15T09:57:32Z)
• Interaction-Aware Whole-Body Control for Compliant Object Transport [33.233203393813376]
  本稿では,人工小脳として機能する対話指向型全身制御(IO-WBC)を提案する。 IO-WBCは上流(スキルレベル)のコマンドを、接触中の安定した物理的に一貫した全身動作に変換する。
  論文  参考訳（メタデータ） (2026-03-04T05:50:40Z)
• PILOT: A Perceptive Integrated Low-level Controller for Loco-manipulation over Unstructured Scenes [18.916978556216097]
  PILOTは知覚的ロコ操作に適した単段階強化学習フレームワークである。 知覚的な移動と1つのポリシー内での全身制御をシナジー化する。 PILOTは、既存のベースラインと比較して、安定性、コマンド追跡精度、地形トラバーサビリティが優れている。
  論文  参考訳（メタデータ） (2026-01-24T12:25:20Z)
• Efficient and Compliant Control Framework for Versatile Human-Humanoid Collaborative Transportation [2.4087148947930634]
  本稿では,ヒューマノイドロボットが人間のパートナーと共同で移動作業を行うための制御フレームワークを提案する。 このフレームワークは翻訳運動と回転運動の両方をサポートしており、これは同時輸送のシナリオの基本である。 高レベルプランナー、低レベルコントローラ、剛性調節機構の3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2025-12-08T18:52:10Z)
• HOSIG: Full-Body Human-Object-Scene Interaction Generation with Hierarchical Scene Perception [57.37135310143126]
  HO SIGは階層的なシーン認識を通じて全体インタラクションを合成するための新しいフレームワークである。 我々のフレームワークは、自己回帰生成による運動長の無制限化をサポートし、手動による介入を最小限に抑える。 この研究は、シーン認識ナビゲーションとデクスタラスオブジェクト操作の間に重要なギャップを埋める。
  論文  参考訳（メタデータ） (2025-06-02T12:08:08Z)
• InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
  関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。 そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-11-27T14:32:33Z)

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。