論文の概要: SceneBot: Contact-Prompted General Humanoid Whole Body Tracking with Scene-Interaction

• arxiv url: http://arxiv.org/abs/2606.27581v1
• Date: Thu, 25 Jun 2026 22:13:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.321668
• Title: SceneBot: Contact-Prompted General Humanoid Whole Body Tracking with Scene-Interaction
• Title（参考訳）: SceneBot:Scene-Interactionで人体をトラッキングするコンタクトプロンプト付き汎用ヒューマノイド
• Abstract要約: 現在のヒューマノイド強化学習政策は、自由空間運動において優れているが、接触に富むタスクに苦慮している。 SceneBotは、自由空間の移動と全身操作を扱える統合されたモーショントラッキングフレームワークである。 この結果から,SceneBotは,複雑な長期タスクを実行する自由空間とコンタクトリッチな動作をシームレスに統一する最初の汎用フレームワークであることが示された。
• 参考スコア（独自算出の注目度）: 32.59977549939513
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current humanoid reinforcement-learning policies excel at free-space motions but struggle with contact-rich tasks, as pure kinematic tracking cannot resolve the physical ambiguities of interacting with objects and uneven terrain. To address this, we introduce SceneBot, a unified motion-tracking framework capable of handling freespace locomotion, terrain traversal, and whole-body manipulation. SceneBot conditions a single policy on both reference motions and per-link contact labels, explicitly defining expected environmental interactions. To overcome the lack of annotated interaction data, we propose a hindsight scene reconstruction approach that infers scene-interaction graphs from retargeted human motion. Trained on 7.5 hours of this reconstructed, contact-rich data, SceneBot successfully generalizes to unseen motions and environments. Our results demonstrate that SceneBot is the first general framework to seamlessly unify free-space and contact-rich behaviors executing complex, long-horizon tasks like carrying a box upstairs and establishing contact conditioning as a powerful interface for humanoid control. All code and data will be open-sourced. More demos and information are available at: https://ericcsr.github.io/scenebot/
• Abstract（参考訳）: 現在のヒューマノイド強化学習政策は、自由空間運動において優れているが、純粋な運動追跡は、物体や不均一な地形と相互作用する物理的曖昧さを解決できないため、接触に富んだタスクに苦慮している。 そこで我々は,自由空間の移動,地形トラバーサル,全身操作を処理可能な統合モーショントラッキングフレームワークであるSceneBotを紹介した。 SceneBotは、参照動作とリンク毎の連絡先ラベルの両方に単一のポリシーを規定し、期待される環境相互作用を明確に定義する。 注釈付きインタラクションデータの欠如を克服するため,再ターゲティングされた人間の動きからシーン間相互作用グラフを推定する後向きシーン再構築手法を提案する。 SceneBotは、この再構成されたコンタクトリッチなデータの7.5時間で訓練され、目に見えない動きや環境への一般化に成功している。 以上の結果から,SceneBotは,2階に箱を運んだり,ヒューマノイド制御のための強力なインターフェースとしてコンタクトコンディショニングを確立するなど,複雑な長時間作業を実行する,自由空間とコンタクトリッチな動作をシームレスに統一する最初の汎用フレームワークであることが示された。 すべてのコードとデータはオープンソースになる。 より詳細なデモと情報は、https://ericcsr.github.io/scenebot/で公開されている。

関連論文リスト

• VLK: Learning Humanoid Loco-Manipulation from Synthetic Interactions in Reconstructed Scenes [71.14444761145435]
  知覚に基づくヒューマノイド・ロコ・マニピュレーションは、自我中心の観察とタスク・インストラクションを全身の動きに結びつける必要がある。 既存のデータソースがこれを完全に提供するものはありません。 このボトルネックに対処するために、再構成シーンで視覚・言語・運動学を総合的に指導する手法を提案する。
  論文  参考訳（メタデータ） (2026-06-29T17:59:55Z)
• GenHOI: Contact-Aware Humanoid-Object Interaction by Imitating Generated Videos without Task-Specific Training [20.414478780328437]
  既存の方法は、しばしば時間を要するタスク固有のポリシートレーニングを必要とするか、厳格な軌跡の再生に依存している。 我々は,人型ロボットがゼロショット方式で多様なオブジェクトインタラクションタスクを実行できるフレームワークであるtextitGenHOIを提案する。 提案手法を多種多様なオブジェクト・インタラクション・タスクにまたがる広範囲なシミュレーションおよび実世界の実験で検証する。
  論文  参考訳（メタデータ） (2026-06-11T07:31:05Z)
• EmbodMocap: In-the-Wild 4D Human-Scene Reconstruction for Embodied Agents [85.77432303199176]
  EmbodMocapは2つの動くiPhoneを使ったポータブルで安価なデータ収集パイプラインである。 私たちのキーとなるアイデアは、二重RGB-Dシーケンスを共同で校正し、人間とシーンの両方を再構築することです。 収集したデータに基づいて、我々は3つの具体的AIタスクを強化した: モノクラーヒューマン・シーン・リコンストラクション(モノクラーヒューマン・シーン・リコンストラクション)、メトリックスケールで世界空間に整合した人間とシーンを出力するフィードフォワードモデル、物理ベースのキャラクターアニメーション。
  論文  参考訳（メタデータ） (2026-02-26T16:53:41Z)
• HOSIG: Full-Body Human-Object-Scene Interaction Generation with Hierarchical Scene Perception [57.37135310143126]
  HO SIGは階層的なシーン認識を通じて全体インタラクションを合成するための新しいフレームワークである。 我々のフレームワークは、自己回帰生成による運動長の無制限化をサポートし、手動による介入を最小限に抑える。 この研究は、シーン認識ナビゲーションとデクスタラスオブジェクト操作の間に重要なギャップを埋める。
  論文  参考訳（メタデータ） (2025-06-02T12:08:08Z)
• Generating Human Interaction Motions in Scenes with Text Control [66.74298145999909]
  本稿では,デノナイズ拡散モデルに基づくテキスト制御されたシーン認識動作生成手法TeSMoを提案する。 我々のアプローチは、シーンに依存しないテキスト-モーション拡散モデルの事前学習から始まります。 トレーニングを容易にするため,シーン内に注釈付きナビゲーションと対話動作を組み込む。
  論文  参考訳（メタデータ） (2024-04-16T16:04:38Z)
• Revisit Human-Scene Interaction via Space Occupancy [55.67657438543008]
  HSI(Human-Scene Interaction)の生成は、さまざまな下流タスクに不可欠な課題である。 本研究では,シーンとのインタラクションが,抽象的な物理的視点からシーンの空間占有と本質的に相互作用していることを論じる。 純粋な動きシーケンスを、見えないシーン占有と相互作用する人間の記録として扱うことで、動きのみのデータを大規模にペア化された人間-占有相互作用データベースに集約することができる。
  論文  参考訳（メタデータ） (2023-12-05T12:03:00Z)
• Synthesizing Diverse Human Motions in 3D Indoor Scenes [16.948649870341782]
  そこで本研究では,仮想人間による3次元屋内シーンの映像化手法を提案する。 既存のアプローチは、キャプチャーされた人間の動きと、それらが相互作用する3Dシーンを含むトレーニングシーケンスに依存している。 仮想人間が3Dシーンをナビゲートし、現実的かつ自律的にオブジェクトと対話できる強化学習ベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-21T09:22:24Z)
• Synthesizing Physical Character-Scene Interactions [64.26035523518846]
  仮想キャラクタとその周辺環境間のこのような相互作用を合成する必要がある。 本稿では,逆模倣学習と強化学習を用いて物理シミュレーション文字を学習するシステムを提案する。 我々のアプローチは、物理学に基づくキャラクターモーション生成を広い適用性に一歩近づいた。
  論文  参考訳（メタデータ） (2023-02-02T05:21:32Z)

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。