論文の概要: PressMimic: Pressure-Guided Motion Capture and Control for Humanoid Robot Imitation
- arxiv url: http://arxiv.org/abs/2606.26741v1
- Date: Thu, 25 Jun 2026 08:24:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.215197
- Title: PressMimic: Pressure-Guided Motion Capture and Control for Humanoid Robot Imitation
- Title（参考訳）: PressMimic:ヒューマノイドロボットの圧力駆動型モーションキャプチャと制御
- Authors: Yi Lu, Shenghao Ren, Tianyu Xiong, Zhaoxiang Li, Jiaqi Li, He Zhang, Tao Yu, Qiu Shen, Xun Cao,
- Abstract要約: PressMimicは、モーションキャプチャからヒューマノイドコントロールまでの完全なパイプラインに圧力を統合するフレームワークである。
認識段階では,RGBと圧力を融合したマルチモーダルモデルであるFRAPPE++を導入し,共同で3次元ポーズとグローバルモーションを推定する。
制御段階では,圧力依存性の信号を強化学習に組み込んだ圧力制御ポリシ(PSP)を提案する。
- 参考スコア（独自算出の注目度）: 35.417454041027774
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Humanoid motion imitation requires not only accurate perception of human kinematics but also faithful reproduction of physical interactions with the environment. However, existing pipelines rely primarily on vision-based motion capture and kinematic imitation, largely ignoring contact dynamics, leading to artifacts such as foot sliding, floor penetration, and unstable behaviors. In this work, we revisit humanoid motion imitation from the perspective of physical grounding and leverage pressure as a unified modality across perception and control. We present PressMimic, a framework that integrates pressure into the full pipeline from motion capture to humanoid control. In the perception stage, we introduce FRAPPE++, a multimodal model that fuses RGB and pressure to jointly estimate 3D pose and global motion, where pressure provides explicit contact and support constraints to resolve ambiguity in vision-based estimation. In the control stage, we propose a pressure-supervised policy (PSP) that incorporates pressure-derived signals into reinforcement learning, enabling physically consistent contact patterns during execution. We further construct MotionPRO, a large-scale dataset with synchronized RGB, pressure, and motion capture data. Experiments show that pressure improves motion estimation accuracy, trajectory consistency, and execution stability. These results demonstrate that pressure serves as an effective physical grounding signal, bridging perception and control for physically consistent humanoid motion imitation.
- Abstract（参考訳）: ヒューマノイド運動の模倣は、人間の運動学の正確な認識だけでなく、環境との物理的相互作用の忠実な再現も必要である。
しかし、既存のパイプラインは主に視覚に基づくモーションキャプチャーとキネマティックな模倣に依存しており、接触ダイナミクスを無視し、足の滑りや床の浸透、不安定な動作などの人工物に繋がる。
本研究では,身体的接地の観点からヒューマノイド運動の模倣を再考し,圧力を知覚と制御をまたいだ統一モダリティとして活用する。
本稿では,モーションキャプチャからヒューマノイド制御に至るまで,全パイプラインに圧力を組み込むフレームワークであるPressMimicを紹介する。
認識段階では、RGBと圧力を融合して3Dポーズとグローバルモーションを共同で推定するマルチモーダルモデルFRAPPE++を導入する。
制御段階では,圧力依存性の信号を強化学習に組み込むことで,実行中に物理的に一貫した接触パターンを実現できる圧力制御ポリシ(PSP)を提案する。
さらに,同期RGB,圧力,モーションキャプチャデータを備えた大規模データセットであるMotionPROを構築した。
実験により、圧力は運動推定精度、軌道の整合性、実行安定性を向上させることが示された。
これらの結果から, 圧力は, 物理的な接地信号, ブリッジング知覚, および物理的に一貫したヒューマノイド運動模倣の制御に有効であることが示唆された。
関連論文リスト
- Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - Cortical Policy: A Dual-Stream View Transformer for Robotic Manipulation [57.28703268044067]
ロボット操作のための新しいデュアルストリームビュー変換器であるCortical Policyを提案する。
われわれのフレームワークは、ロボット操作の新しい視点を提供し、視覚に基づくロボット制御の幅広い応用の可能性を秘めている。
論文 参考訳（メタデータ） (2026-03-22T04:18:54Z) - 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) - PhysHMR: Learning Humanoid Control Policies from Vision for Physically Plausible Human Motion Reconstruction [52.44375492811009]
物理学に基づくシミュレーターにおいて,ヒューマノイド制御のための視覚行動ポリシーを学習する統合フレームワークであるPhysHMRを提案する。
我々のアプローチの重要な要素はピクセル・アズ・レイ戦略であり、2次元のキーポイントを3次元空間に上げ、それらを大域空間に変換する。
PhysHMRは多種多様なシナリオにまたがって高忠実で物理的に妥当な動きを生じさせ、視覚的精度と身体的リアリズムの両方において以前のアプローチより優れている。
論文 参考訳（メタデータ） (2025-10-02T21:01:11Z) - MotionPRO: Exploring the Role of Pressure in Human MoCap and Beyond [24.84558649772663]
既存のモーションキャプチャー(MoCap)手法は、物理的妥当性を無視しながら視覚的類似性に焦点を当てている。
本稿では,人体と物理的世界との相互作用の観点から,圧力の役割を探求することによって人間のMoCapを再考する。
実験により、RGB機能による融合圧力は、客観的な測定値において性能を著しく向上するだけでなく、仮想人間を3Dシーンで確実に駆動することを示した。
論文 参考訳（メタデータ） (2025-04-07T13:17:24Z) - Optimal-state Dynamics Estimation for Physics-based Human Motion Capture from Videos [6.093379844890164]
オンライン環境での運動学観測に物理モデルを選択的に組み込む新しい手法を提案する。
リカレントニューラルネットワークを導入し、キネマティックス入力とシミュレートされた動作を熱心にバランスするカルマンフィルタを実現する。
提案手法は,物理に基づく人間のポーズ推定作業に優れ,予測力学の物理的妥当性を示す。
論文 参考訳（メタデータ） (2024-10-10T10:24:59Z) - EgoPressure: A Dataset for Hand Pressure and Pose Estimation in Egocentric Vision [69.1005706608681]
EgoPressureは、詳細なタッチ接触と圧力相互作用をキャプチャする、新しいエゴセントリックなデータセットである。
本データセットは,頭部に装着した1台のKinectカメラと静止した7台のKinectカメラで同時に捉えた21人の被験者からの5時間の対話を収録した。
論文 参考訳（メタデータ） (2024-09-03T18:53:32Z) - Neural MoCon: Neural Motion Control for Physically Plausible Human
Motion Capture [12.631678059354593]
我々は、高精度で微分不可能な物理シミュレータを利用して、モーションキャプチャーに動的制約を組み込む。
我々のキーイデアは、実際の物理的な監督を利用して、サンプリングベースのモーションコントロールの前にターゲットのポーズ分布をトレーニングすることです。
その結果, 複雑な地形相互作用, 人体形状の変化, 多様な行動を伴う身体的可視な人体運動が得られた。
論文 参考訳（メタデータ） (2022-03-26T12:48:41Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z)
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。