論文の概要: CoorDex: Coordinating Body and Hand Priors for Continuous Dexterous Humanoid Loco-Manipulation
- arxiv url: http://arxiv.org/abs/2606.23680v1
- Date: Mon, 22 Jun 2026 17:59:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 17:10:46.297063
- Title: CoorDex: Coordinating Body and Hand Priors for Continuous Dexterous Humanoid Loco-Manipulation
- Title（参考訳）: CoorDex: 連続デキサスヒューマノイドロコマニピュレーションのためのコーディネート・ボディとハンドの事前調整
- Authors: Sikai Li, Shuning Li, Zhenyu Wei, Yunchao Yao, Chenran Li, Mingyu Ding,
- Abstract要約: CoorDexは、高次元の身体と器用な手制御を協調的な潜在残差制御に変換する学習パイプラインである。
CoorDexは20DoFのWUJIハンドを持つUnitree G1ヒューマノイドを動作中にデクスタラスな操作を実行できる。
- 参考スコア（独自算出の注目度）: 20.901645357243062
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humanoid loco-manipulation is often simplified into a stop-and-go process: walking to an object, stopping to manipulate it, and then resuming locomotion. It also commonly relies on low degree-of-freedom (DoF) end effectors that behave like an open-close grasp primitive. We introduce CoorDex, a learning pipeline that converts high-dimensional body and dexterous hand control into coordinated latent residual control, enabling high-DoF dexterous loco-manipulation on the move. Starting from simulated whole-body and hand demonstrations, CoorDex trains privileged motion tracking teachers for the humanoid body and dexterous hand, distills them into proprioception-conditioned latent priors, and uses the frozen priors as the action space for downstream residual reinforcement learning. A coordinated latent residual policy composes these priors through shared task context and separate body-hand residual heads, preserving natural whole-body motion while improving finger-level contact reliability. CoorDex enables a Unitree G1 humanoid with a 20-DoF WUJI hand to execute dexterous manipulation while in motion, including non-stop bottle grasping and carrying, fridge door opening on the move, and cube pick-and-turn. Ablations on the walk-grasp-carry task show that joint-space PPO, joint-space hand control, and monolithic latent prediction all fail under the same reward budget, while the latent-prior interface and coordinated residual structure make high-dimensional contact-rich loco-manipulation trainable. Project Page: https://skevinci.github.io/coordex/
- Abstract（参考訳）: ヒューマノイド・ロコ・マニピュレーション(Humanoid loco-manipulation)は、しばしばストップ・アンド・ゴー(Stop-and-go)プロセスに単純化される。
また、一般に自由度(DoF)の低いエンドエフェクターに依存しており、オープンクローズなグリーグプリミティブのように振る舞う。
我々は,高次元体とデキスタラスハンドコントロールを協調した潜在残差制御に変換する学習パイプラインであるCoorDexを導入し,移動時の高DoFデキスタラスロコ操作を可能にする。
シミュレーションされた全身と手動のデモンストレーションから始まり、CoorDexはヒューマノイド体と器用な手のための特権的な運動追跡教師を訓練し、それらをプロレセプション条件の潜伏した前駆体に蒸留し、凍結した前駆体を下流の強化学習のためのアクションスペースとして利用する。
協調潜時残留ポリシーは、これらの先行をタスクコンテキストの共有と手首の分離を通じて構成し、指レベルの接触信頼性を向上しつつ、自然な全身運動を保存する。
CoorDexは、20-DoFのWUJIハンドを備えたユニツリーG1ヒューマノイドを動作中に、非ストップボトルの把握と搬送、移動中の冷蔵庫のドアの開閉、キューブのピック・アンド・ターンなど、巧妙な操作を行うことができる。
ウォーク・グラス・キャリア・タスクのアブレーションは, 共同空間PPO, 共同空間ハンドコントロール, モノリシック遅延予測がすべて同じ報酬予算で失敗することを示し, レイト・プライア・インタフェースと協調残差構造は高次元接触リッチなロコ・マニピュレーションを訓練可能であることを示す。
Project Page: https://skevinci.github.io/coordex/
関連論文リスト
- HEX: Humanoid-Aligned Experts for Cross-Embodiment Whole-Body Manipulation [74.34984994596813]
HEXは、ヒューマノイドロボットの協調操作のための状態中心のフレームワークである。
ヘテロジニアスな実施形態をまたいだスケーラブルな学習のための、ヒューマノイドに整合した普遍的状態表現が組み込まれている。
タスクの成功率と一般化における最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-04-09T09:01:43Z) - UniDex: A Robot Foundation Suite for Universal Dexterous Hand Control from Egocentric Human Videos [65.2981273885678]
実際のロボット遠隔操作データの収集コストのため、デクサラスな操作は依然として困難である。
我々は、ロボット中心の大規模データセットと視覚言語アクション(VLA)ポリシーを結合したロボット基盤スイートであるUniDexを紹介する。
UniDex-Dataset、UniDex-VLA、UniDex-Capは、ユニバーサルデキスタラス操作のためのスケーラブルな基盤スイートを提供する。
論文 参考訳（メタデータ） (2026-03-23T17:49:12Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳（メタデータ） (2026-03-03T18:59:29Z) - InterPrior: Scaling Generative Control for Physics-Based Human-Object Interactions [58.329946838699044]
人間は、明示的な全身運動のレベルで、物体と全身の相互作用を計画することは滅多にない。
このような事前のスケーリングは、ヒューマノイドがロコ操作スキルの構築と一般化を可能にする鍵となる。
我々は,強化学習による大規模模倣事前学習とポストトレーニングを通じて,統合生成コントローラを学習するフレームワークであるInterPriorを紹介する。
論文 参考訳（メタデータ） (2026-02-05T18:59:27Z) - FUSION: Full-Body Unified Motion Prior for Body and Hands via Diffusion [49.026972478098266]
手は私たちの周囲と相互作用し、ジェスチャーを伝達する中心的存在です。
既存のヒトの運動合成法は不足している。
主な障害は、多様な全身の動きを共同でキャプチャする大規模なデータセットがないことである。
論文 参考訳（メタデータ） (2026-01-07T14:18:59Z) - WholeBodyVLA: Towards Unified Latent VLA for Whole-Body Loco-Manipulation Control [22.617383494100253]
WholeBodyVLAはヒューマノイドのロコ操作のための統一的なフレームワークである。
AgiBot X2のヒューマノイドに関する総合的な実験を通じて検証され、以前のベースラインを21.3%上回った。
論文 参考訳（メタデータ） (2025-12-11T19:07:31Z) - 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) - Humanoid Agent via Embodied Chain-of-Action Reasoning with Multimodal Foundation Models for Zero-Shot Loco-Manipulation [23.43820490179566]
Humanoid-COAはゼロショットロコ操作のためのエボディード・チェーン・オブ・アクション機構と基礎モデル推論を統合している。
我々のフレームワークは、操作、移動、およびロコ操作タスクにおいて、以前のベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2025-04-13T11:37:32Z)
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。