論文の概要: Bionic Human-Motion Style Transfer for Physically Executable Whole-Body Control of Humanoid Robots

• arxiv url: http://arxiv.org/abs/2606.03536v1
• Date: Tue, 02 Jun 2026 11:59:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.981479
• Title: Bionic Human-Motion Style Transfer for Physically Executable Whole-Body Control of Humanoid Robots
• Title（参考訳）: 身体操作可能なヒューマノイドロボットの全身制御のためのバイオン型人体移動
• Authors: Tianchen Huang, Mingkuan Zhao, Yang Gao, Feiyang Yuan, Junchi Gu, Xiaohu Zhang, Dongdong Zhao, Shi Yan, Yu Wang, Wei Gao, Shiwu Zhang,
• Abstract要約: 本稿では,ヒューマノイドロボットにおける模範駆動型スタイル転送のための世代間制御フレームワークを提案する。 物理を意識した潜伏拡散モデルが, スタイル, 内容, 軌道条件を融合するために開発された。 プレビューベースの全体追跡ポリシは、クラスタ・アンド・ディスティル戦略でトレーニングされる。
• 参考スコア（独自算出の注目度）: 13.21934742924018
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Expressive whole-body motion is important for humanoid robots operating in human environments, where robots are expected to move stably while presenting readable and adjustable body behaviors. However, most expressive motions are still obtained from fixed demonstrations or manually designed scripts, making it difficult to reuse a demonstrated style across different motion contents. Inspired by the way human motion styles convey affective and intentional cues through gait rhythm, posture, arm swing and body sway, this paper proposes a bionic generation-to-control framework for exemplar-driven style transfer on humanoid robots. Given a short human style exemplar and a target content motion, the proposed framework generates a stylized whole-body reference that preserves the intended motion content while transferring the demonstrated style. A physics-aware multi-condition latent diffusion model is developed to fuse style, content and trajectory conditions, and classifier-free guidance is used to adjust the style intensity without retraining. To improve hardware executability, contact-consistency and temporal-smoothness regularization are imposed on decoded motions during training. The generated references are then converted into G1-compatible robot references and executed by a preview-based whole-body tracking policy trained with a cluster-and-distill strategy. Simulation and Unitree G1 experiments show that the proposed method can transfer short human style exemplars to diverse robot motion contents, reduce contact and jitter artifacts compared with animation-oriented style-transfer baselines, and achieve a 96.0% success rate over 125 reported real-robot trials. The results demonstrate the feasibility of using short human motion exemplars as reusable bionic sources for physically executable expressive humanoid motion.
• Abstract（参考訳）: ロボットが安定して動きながら、読みやすく、調節可能な身体動作を提示することが期待される、人型ロボットにとって、表現力のある全身運動は重要である。 しかし、ほとんどの表現力のある動作は、固定されたデモや手動で設計されたスクリプトから得られており、異なる動作内容のデモスタイルを再利用することは困難である。 本稿では、歩行リズム、姿勢、腕振り、身体動揺を通じて、人間の動作スタイルが感情や意図を伝達する方法に触発され、ヒューマノイドロボットにおける模範駆動型スタイル伝達のためのバイオニック世代間制御フレームワークを提案する。 提案手法は,人間スタイルの短い模範的かつ対象のコンテンツ動作を前提とし,提示されたスタイルを転送しながら,意図した動作内容を保存するためのスタイル化された全身参照を生成する。 物理を意識した多条件潜時拡散モデルを開発し, スタイル, 内容, 軌道条件を融合させ, クラス化子フリーガイダンスを用いて, 再学習せずにスタイル強度を調整した。 ハードウェア実行性を改善するため、トレーニング中にデコードされた動作に対して、接触一貫性と時間平滑化が課される。 生成された参照はG1互換のロボット参照に変換され、クラスタ・アンド・ディスティル戦略でトレーニングされたプレビューベースの全身追跡ポリシによって実行される。 シミュレーションとUnitree G1実験により,提案手法はロボットの動作内容を多種多様なものに伝達し,アニメーション指向のスタイル・トランスファーベースラインと比較して接触やジッタのアーティファクトを低減し,実ロボット実験125件に対して96.0%の成功率を達成した。 以上の結果から,短時間の人体運動経験者が身体的に実行可能な表現型ヒューマノイド運動のための再利用可能なバイオニック源として活用できることが示唆された。

関連論文リスト

• PhyGile: Physics-Prefix Guided Motion Generation for Agile General Humanoid Motion Tracking [23.96905373874686]
  本稿では,ロボットネイティブ動作生成と推論のループを閉じる統合フレームワークであるPhyGileを紹介する。 我々は,GMTコントローラをカリキュラムベースのMix-of-expertsスキームでトレーニングし,その後,大規模ロボット動作に対するロバスト性を改善するためにラベル付き動作データを用いた後学習を行った。 PhyGileはテキスト駆動型ヒューマノイドコントロールのフロンティアを拡張し、アジャイルの安定したトラッキングを可能にする。
  論文  参考訳（メタデータ） (2026-03-13T06:43:44Z)
• TextOp: Real-time Interactive Text-Driven Humanoid Robot Motion Generation and Control [62.93681680333618]
  TextOpはリアルタイムテキスト駆動型ヒューマノイドモーション生成および制御フレームワークである。 ストリーミング言語コマンドと実行中のオンザフライ命令修正をサポートする。 対話型モーション生成を堅牢な全身制御でブリッジすることで、TextOpは自由形式のインテント表現をアンロックする。
  論文  参考訳（メタデータ） (2026-02-07T08:42:11Z)
• 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)
• 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)
• Natural Humanoid Robot Locomotion with Generative Motion Prior [21.147249860051616]
  本稿では,ヒューマノイドロボットの移動作業のきめ細かい監督を行う新しいジェネレーティブ・モーション・プライオリティ(GMP)を提案する。 我々は、条件付き変分自動エンコーダに基づいて、ロボットの将来の自然参照動作を予測するために、生成モデルをオフラインでトレーニングする。 政策訓練の間、生成運動は凍結したオンラインモーションジェネレータとして機能し、軌道レベルで正確に包括的な監視を提供する。
  論文  参考訳（メタデータ） (2025-03-12T03:04:15Z)
• Expressive Whole-Body Control for Humanoid Robots [20.132927075816742]
  我々は、人間の動きをできるだけリアルに模倣するために、人間サイズのロボットで全身制御ポリシーを学習する。 シミュレーションとSim2Real転送のトレーニングにより、私たちのポリシーはヒューマノイドロボットを制御して、さまざまなスタイルで歩いたり、人と握手したり、現実世界で人間と踊ったりできる。
  論文  参考訳（メタデータ） (2024-02-26T18:09:24Z)
• Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks [59.098560311521034]
  我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。 我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。 我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
  論文  参考訳（メタデータ） (2022-03-29T15:03:05Z)

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。