論文の概要: Simulating Infant First-Person Sensorimotor Experience via Motion Retargeting from Babies to Humanoids

• arxiv url: http://arxiv.org/abs/2604.27583v1
• Date: Thu, 30 Apr 2026 08:37:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.997035
• Title: Simulating Infant First-Person Sensorimotor Experience via Motion Retargeting from Babies to Humanoids
• Title（参考訳）: 乳児からヒューマノイドへの運動リターゲティングによる乳児の初対人感覚運動者体験のシミュレーション
• Authors: Francisco M. López, Hoshinori Kanazawa, Ondrej Fiala, Yakov Balashov, Valentin Marcel, Lukas Rustler, Miles Lenz, Dongmin Kim, Yasuo Kuniyoshi, Jochen Triesch, Matej Hoffmann,
• Abstract要約: 身体的および仮想的ヒューマノイドを用いた幼児の感覚運動経験をシミュレーションするための枠組みを提案する。 再構成された動きを、物理的iCubロボットと仮想シミュレータpyCub、EMFANT、MIMoの2つの開発プラットフォームにマップする。 このフレームワークは、幼児の感覚運動の体験にユニークな窓を与え、ロボット工学、発達科学、神経発達障害の早期発見のための新しいツールを提供する。
• 参考スコア（独自算出の注目度）: 8.972726623469823
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Motion retargeting from humans to human-like artificial agents is becoming increasingly important as humanoid robots grow more capable. However, most existing approaches focus only on reproducing kinematics and ignore the rich sensorimotor experience associated with human movement. In this work, we present a framework for simulating the multimodal sensorimotor experiences of infants using physical and virtual humanoids. From a single video, our method reconstructs the infant's body configuration by extracting its skeletal structure and estimating the full 3D pose from each frame. Then we map the reconstructed motion onto several developmental platforms: the physical iCub robot and the virtual simulators pyCub, EMFANT and MIMo. Replaying the retargeted motions on these embodiments produces simulated multisensory streams including proprioception (joints and muscles), touch, and vision. For the best-matching embodiment, the retargeting achieves sub-centimeter accuracy and enables a rich multimodal analysis of infant development as well as enhanced automated annotation of behaviors. This framework provides a unique window into the infant's sensorimotor experience, offering new tools for robotics, developmental science, and early detection of neurodevelopmental disorders. The code is available at https://github.com/ctu-vras/motion-retargeting/.
• Abstract（参考訳）: 人間から人間のような人工エージェントへの動きのリターゲティングは、ヒューマノイドロボットの能力が向上するにつれて、ますます重要になりつつある。 しかし、既存のほとんどのアプローチは、キネマティクスの再現にのみ焦点をあて、人間の動きに関連する豊かな感覚運動を無視する。 本研究では,身体および仮想ヒューマノイドを用いた幼児のマルチモーダル感触者体験をシミュレートする枠組みを提案する。 本手法は,乳児の骨格構造を抽出し,各フレームから全3Dポーズを推定することにより,乳児の身体構成を再構築する。 次に、再構成された動きを、物理的iCubロボットと仮想シミュレータpyCub、EMFANT、MIMoの2つの開発プラットフォームにマッピングする。 これらのエンボディメントでリターゲットされた動きを再生すると、プロピロセプション(関節と筋肉)、タッチ、視覚などのシミュレートされた多感覚の流れが生成される。 ベストマッチエボディメントのために、リターゲティングは、サブセンチメートルの精度を実現し、乳幼児の発達のマルチモーダル分析と、行動の自動アノテーションの強化を可能にする。 このフレームワークは、幼児の感覚運動の体験にユニークな窓を与え、ロボット工学、発達科学、神経発達障害の早期発見のための新しいツールを提供する。 コードはhttps://github.com/ctu-vras/motion-retargeting/で公開されている。

関連論文リスト

• MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
  MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。 現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
  論文  参考訳（メタデータ） (2026-02-17T17:09:45Z)
• 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)
• From Generated Human Videos to Physically Plausible Robot Trajectories [103.28274349461607]
  ビデオ生成モデルは、人間のアクションを新しい文脈で合成する能力が急速に向上している。 この可能性を実現するために、ヒューマノイドはどうやってゼロショットで生成されたビデオから人間の行動を実行することができるのか? この課題は、生成されたビデオがしばしばうるさいので、実際のビデオと比べて直接の模倣を困難にする形態的歪みを示すためである。 我々は,3次元キーポイントに条件付き物理対応強化学習政策であるGenMimicを提案し,対称性の正則化とキーポイント重み付きトラッキング報酬を訓練した。
  論文  参考訳（メタデータ） (2025-12-04T18:56:03Z)
• Implicit Kinodynamic Motion Retargeting for Human-to-humanoid Imitation Learning [35.8296790596745]
  Implicit Kinodynamic Motion Retargeting (IKMR)は、キネマティクスとダイナミックスの両方を考慮した、効率的でスケーラブルなフレームワークである。 IKMRは、モーション領域マッピングを学ぶために、モーショントポロジ表現とデュアルエンコーダデコーダアーキテクチャを事前訓練する。 実物大のヒューマノイドロボットでシミュレータと実物ロボットの両方で実験を行う。
  論文  参考訳（メタデータ） (2025-09-18T21:34:02Z)
• A computational model of infant sensorimotor exploration in the mobile paradigm [13.666777211441286]
  移動パラダイム」における幼児の行動を決定するメカニズムの計算モデルを提案する。 このパラダイムでは、移動体は幼児の四肢の1つに接続され、幼児はその「接続された」四肢を優先的に移動させる。 本モデルでは, ニューラルネットワーク, アクションアウトカム予測, 探索, 運動騒音, 望ましい活動レベル, 生物学的にインスパイアされた運動制御が組み込まれている。
  論文  参考訳（メタデータ） (2025-04-24T21:02:06Z)
• PRIMAL: Physically Reactive and Interactive Motor Model for Avatar Learning [38.004463823796286]
  我々は,対話型アバターの運動系を生成運動モデルとして定式化する。 基礎モデルの最近の進歩に触発されて,我々はPRIMALを提案する。 このモデルを利用して、Unreal Engineでリアルタイムのキャラクターアニメーションシステムを作成します。
  論文  参考訳（メタデータ） (2025-03-21T21:27:57Z)
• Universal Humanoid Motion Representations for Physics-Based Control [71.46142106079292]
  物理学に基づくヒューマノイド制御のための総合的な運動スキルを含む普遍的な運動表現を提案する。 まず、大きな非構造運動データセットから人間の動きをすべて模倣できる動き模倣機を学習する。 次に、模倣者から直接スキルを蒸留することで、動作表現を作成します。
  論文  参考訳（メタデータ） (2023-10-06T20:48:43Z)
• Learning body models: from humans to humanoids [2.855485723554975]
  人間と動物は、複数の感覚のモダリティからの情報を組み合わせて、複雑な体を制御し、成長、失敗、ツールの使用に適応する。 鍵となる基礎は、エージェント(人間、動物、ロボット)が開発してきた身体の内部表現である。 脳内での体モデルの操作のメカニズムは、ほとんど不明であり、出生後の経験からどのように構築されているかは、あまり分かっていない。
  論文  参考訳（メタデータ） (2022-11-06T07:30:01Z)
• Modeling Social Interaction for Baby in Simulated Environment for Developmental Robotics [1.9576223566777229]
  開発ロボティクス(SEDRo)のシミュレーション環境について紹介する。 SEDRoは、人間の赤ちゃんが出生前の胎児期から産後12ヶ月の間に経験する、赤ちゃんエージェントの環境をシミュレートする。 エージェントの異なる発達マイルストーンを評価するために、SEDRoは発達心理学からいくつかの実験を取り入れている。
  論文  参考訳（メタデータ） (2020-12-29T16:42:50Z)

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。