論文の概要: Stability-Driven Motion Generation for Object-Guided Human-Human Co-Manipulation
- arxiv url: http://arxiv.org/abs/2604.20336v1
- Date: Wed, 22 Apr 2026 08:31:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:11.045929
- Title: Stability-Driven Motion Generation for Object-Guided Human-Human Co-Manipulation
- Title（参考訳）: 物体誘導型Humanコマニピュレーションのための安定性駆動動作生成
- Authors: Jiahao Xu, Xiaohan Yuan, Xingchen Wu, Chongyang Xu, Kun Li, Buzhen Huang,
- Abstract要約: コマニピュレーションでは、複数の人間が動きを共有オブジェクトと同期させる必要がある。
既存のモーションジェネレーションアプローチのほとんどは、ペイロードによって引き起こされるダイナミクスを考慮していない。
本稿では,生成したコマニピュレーション動作が意図した目標と一致することを保証するフローマッチングフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 16.622175523077917
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Co-manipulation requires multiple humans to synchronize their motions with a shared object while ensuring reasonable interactions, maintaining natural poses, and preserving stable states. However, most existing motion generation approaches are designed for single-character scenarios or fail to account for payload-induced dynamics. In this work, we propose a flow-matching framework that ensures the generated co-manipulation motions align with the intended goals while maintaining naturalness and effectiveness. Specifically, we first introduce a generative model that derives explicit manipulation strategies from the object's affordance and spatial configuration, which guide the motion flow toward successful manipulation. To improve motion quality, we then design an adversarial interaction prior that promotes natural individual poses and realistic inter-person interactions during co-manipulation. In addition, we also incorporate a stability-driven simulation into the flow matching process, which refines unstable interaction states through sampling-based optimization and directly adjusts the vector field regression to promote more effective manipulation. The experimental results demonstrate that our method achieves higher contact accuracy, lower penetration, and better distributional fidelity compared to state-of-the-art human-object interaction baselines. The code is available at https://github.com/boycehbz/StaCOM.
- Abstract（参考訳）: コマニピュレーションでは、複数の人間が動きを共有オブジェクトと同期させ、適切な相互作用を確保し、自然なポーズを維持し、安定した状態を維持する必要がある。
しかし、既存のモーションジェネレーションアプローチのほとんどは、単一キャラクタのシナリオのために設計されているか、ペイロードが引き起こすダイナミクスを考慮していない。
本研究では,自然性と有効性を維持しつつ,生成したコマニピュレーション動作が目的と一致することを保証するフローマッチングフレームワークを提案する。
具体的には、まず、オブジェクトの空き時間と空間的構成から明示的な操作戦略を導出する生成モデルを導入する。
動きの質を向上させるために,協調操作中に自然のポーズや現実的な対人インタラクションを促進する対人インタラクションを事前に設計する。
さらに,フローマッチングプロセスに安定性駆動型シミュレーションを組み込み,サンプリングベース最適化により不安定な相互作用状態を洗練し,ベクトル場回帰を直接調整することで,より効率的な操作を促進する。
実験により,本手法は,最先端の人間と物体の相互作用ベースラインと比較して,高い接触精度,低い浸透率,分布の忠実度を実現することが示された。
コードはhttps://github.com/boycehbz/StaCOMで入手できる。
関連論文リスト
- RoboForge: Physically Optimized Text-guided Whole-Body Locomotion for Humanoids [20.796118584632904]
自然言語と全身移動を橋渡しする統合潜在駆動型フレームワークを提案する。
我々のフレームワークは、テキスト誘導型ヒューマノイドインテリジェンスをデプロイするための実践的なパスを提供する。
論文 参考訳（メタデータ） (2026-03-18T17:02:56Z) - Interact2Ar: Full-Body Human-Human Interaction Generation via Autoregressive Diffusion Models [80.28579390566298]
テキスト条件付き自己回帰拡散モデルであるInteract2Arを導入する。
ハンドキネマティクスは専用のパラレルブランチを通じて組み込まれ、高忠実度フルボディ生成を可能にする。
我々のモデルは、時間的動きの合成、外乱へのリアルタイム適応、ディヤディックからマルチパーソンシナリオへの拡張など、一連のダウンストリームアプリケーションを可能にする。
論文 参考訳（メタデータ） (2025-12-22T18:59:50Z) - Decoupled Generative Modeling for Human-Object Interaction Synthesis [35.78156236836254]
既存のアプローチでは、しばしば手動で指定した中間のウェイポイントを必要とし、最適化の目的を1つのネットワークに配置する。
DecHOI(Decoupled Generative Modeling for Human-Object Interaction Synthesis)を提案する。
軌道生成装置は、まず、所定のウェイポイントを伴わずに人や物体の軌道を生成し、これらの経路に作用生成条件を設けて詳細な動作を合成する。
論文 参考訳（メタデータ） (2025-12-22T05:33:59Z) - One-shot Humanoid Whole-body Motion Learning [18.375746497945023]
通常、動作カテゴリごとに複数のトレーニングサンプルを必要とする。
本研究では,1つの非歩行目標運動サンプルのみを用いて,効果的なヒューマノイド運動ポリシーを訓練する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2025-10-29T07:48:10Z) - MoReact: Generating Reactive Motion from Textual Descriptions [57.642436102978245]
MoReactは拡散に基づく手法で、グローバルな軌跡と局所的な動きを連続的に引き離すように設計されている。
2人の動作データセットから適応したデータを用いて,本手法の有効性を実証した。
論文 参考訳（メタデータ） (2025-09-28T14:31:41Z) - CoopDiff: Anticipating 3D Human-object Interactions via Contact-consistent Decoupled Diffusion [62.93198247045824]
3Dヒューマンオブジェクトインタラクション(HOI)は,人間の将来の動きとその操作対象を,歴史的文脈で予測することを目的としている。
そこで我々は,人間と物体の運動モデリングを分離するために,2つの異なる分岐を用いた接触非結合拡散フレームワークCoopDiffを提案する。
論文 参考訳（メタデータ） (2025-08-10T03:29:17Z) - CoDA: Coordinated Diffusion Noise Optimization for Whole-Body Manipulation of Articulated Objects [14.230098033626744]
人工物体の全身操作は、仮想人間やロボット工学の幅広い応用において、非常に困難な作業である。
本研究では,現実的な全身運動を実現するための新しい拡散雑音最適化フレームワークを提案する。
提案手法は,動作品質と身体的可視性において,既存の手法よりも優れていることを示す広範な実験を行う。
論文 参考訳（メタデータ） (2025-05-27T17:11:50Z) - DexHandDiff: Interaction-aware Diffusion Planning for Adaptive Dexterous Manipulation [78.60543357822957]
高度なロボティクスにとって、接触に富んだ相互作用による有害な操作が不可欠である。
DexHandDiffは,適応的デキスタラス操作のための対話型拡散計画フレームワークである。
当社のフレームワークは, 目標適応度の高いタスクにおいて, 平均70.7%の成功率を実現し, コンタクトリッチな操作における堅牢性と柔軟性を強調した。
論文 参考訳（メタデータ） (2024-11-27T18:03:26Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。
入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。
実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
論文 参考訳（メタデータ） (2021-09-15T17:05:02Z)
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。