論文の概要: ThorArena: Benchmarking Humanoid Physical Interaction with Human Motion-Force Demonstrations
- arxiv url: http://arxiv.org/abs/2607.06052v1
- Date: Tue, 07 Jul 2026 09:26:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.468823
- Title: ThorArena: Benchmarking Humanoid Physical Interaction with Human Motion-Force Demonstrations
- Title（参考訳）: ThorArena: 人体と人間の運動力の相互作用のベンチマーク
- Abstract要約: ThorArenaは、人間の動作と力の測定による人間のデモンストレーションに基づいて、力を認識するヒューマノイド相互作用を評価するためのベンチマークである。
本研究では,身体全体の追跡精度,力レベルの違いによる頑健性,制御力,エピソード生存率を共同評価する力覚評価指標を提案する。
- 参考スコア（独自算出の注目度）: 24.273078797508884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humanoid robots are increasingly expected to perform contact-rich tasks that require not only accurate whole-body motion but also robust physical interaction with surrounding objects and humans. Although recent advances in humanoid motion imitation and whole-body control have achieved remarkable tracking performance, existing datasets and benchmarks primarily focus on kinematic motion while largely overlooking synchronized interaction forces. As a result, current evaluations fail to capture how external interaction forces affect tracking accuracy, stability, and control robustness. In this paper, we present ThorArena, a benchmark for evaluating force-aware humanoid interaction based on human demonstrations with synchronized motion and force measurements. We collect a real-world interaction dataset that simultaneously captures whole-body human motion and forces exerted by both hands across six representative physical interaction tasks. Based on these demonstrations, we propose force-aware evaluation metrics that jointly assess whole-body tracking accuracy, robustness under different force levels, control effort, and episode survival through the Force-Aware Tracking Score (FATS) and complementary diagnostic metrics. We further establish a unified benchmark protocol that replays recorded interaction forces in simulation and provides a standardized evaluation interface for different humanoid control policies. Experiments on representative whole-body control policies demonstrate that force-aware evaluation reveals substantial performance differences that remain largely hidden under conventional no-force evaluation. ThorArena provides a practical and reproducible framework for studying force-aware humanoid interaction and offers a new benchmark for evaluating contact-rich humanoid behaviors.
- Abstract（参考訳）: ヒューマノイドロボットは、正確な全身の動きだけでなく、周囲の物体や人間との堅牢な物理的相互作用を必要とする、接触に富んだタスクを実行することがますます期待されている。
近年のヒューマノイド運動模倣と全身制御の進歩は目覚ましい追跡性能を達成しているが、既存のデータセットとベンチマークは主に運動運動に焦点を当てている。
その結果、現在の評価では、外部の相互作用力がトラッキングの正確性、安定性、制御の堅牢性にどのように影響するかを捉えられていない。
本稿では,人間の動作と力の同時計測による実演に基づく力認識型ヒューマノイド相互作用の評価のためのベンチマークであるThorArenaを提案する。
実世界のインタラクションデータセットを収集し、人体全体の動きと両手の力を6つの代表的な物理的相互作用タスクで同時にキャプチャする。
これらの実演に基づいて, 身体全体の追跡精度, 力レベルの違いによる堅牢性, 制御努力, エピソード生存率を, FATS(Force-Aware Tracking Score)と相補的診断指標を用いて共同で評価する力覚評価指標を提案する。
さらに、シミュレーションにおいて記録された相互作用力を再生する統一されたベンチマークプロトコルを確立し、異なるヒューマノイド制御ポリシーのための標準化された評価インターフェースを提供する。
代表的全身制御ポリシの実験では,従来の非力評価ではほとんど隠蔽されていた,力覚評価が実質的な性能差を示すことが示された。
ThorArenaは、力を認識するヒューマノイド相互作用を研究するための実用的で再現可能なフレームワークを提供し、接触豊富なヒューマノイドの挙動を評価するための新しいベンチマークを提供する。
関連論文リスト
- ADAPT: Analytical Disturbance-Aware Policy Training for Humanoid Locomotion [21.269965799228576]
ADAPT(Analytical disturbance-Aware Policy Training)は、人型政策を物理的に根拠のある外乱オブザーバーに装備する枠組みである。
ADAPTは、力/トルクセンサーを必要とせずに、ロボットのダイナミックスを使って、オンラインで残留力/トルクを推定する。
論文 参考訳（メタデータ） (2026-06-15T10:47:18Z) - SixthSense: Task-Agnostic Proprioception-Only Whole-Body Wrench Estimation for Humanoids [13.456157050156643]
SixthSenseは、プロプレセプションとIMUデータだけで、全身の接触タイミング、位置、レンチを推測する。
衝突検出、物理的人間-ロボット相互作用、フォースフィードバック遠隔操作などのアプリケーションのためのプラグアンドプレイ認識モジュールとして機能する。
論文 参考訳（メタデータ） (2026-05-02T12:57:27Z) - 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) - Towards Motion Turing Test: Evaluating Human-Likeness in Humanoid Robots [54.54929302887405]
15のアクションカテゴリにまたがる1000のモーションシーケンスからなるHuman-Humanoid Motionデータセットを提案する。
すべてのモーションシーケンスは、視覚的外観の影響を排除するためにSMPL-X表現に変換される。
収集したデータから、ヒューマノイドの動きが人間の動きと顕著なずれを示すことが明らかとなった。
論文 参考訳（メタデータ） (2026-03-06T11:40:56Z) - GentleHumanoid: Learning Upper-body Compliance for Contact-rich Human and Object Interaction [14.278503723930998]
GentleHumanoidは、インピーダンス制御を全身のモーショントラッキングポリシーに統合し、上半身のコンプライアンスを実現するフレームワークである。
我々は,Unitree G1ヒューマノイドとシミュレーションの両方において,異なるレベルのコンプライアンスを必要とするタスクに対するアプローチを評価した。
論文 参考訳（メタデータ） (2025-11-06T18:59:33Z) - ResMimic: From General Motion Tracking to Humanoid Whole-body Loco-Manipulation via Residual Learning [59.64325421657381]
ヒューマノイド全体のロコ操作は、日々のサービスや倉庫のタスクにトランスフォーメーション機能を約束する。
ResMimicは、人間の動作データから正確に表現力のあるヒューマノイド制御のための2段階の残差学習フレームワークである。
結果は、強いベースラインよりもタスク成功、トレーニング効率、堅牢性が大幅に向上したことを示している。
論文 参考訳（メタデータ） (2025-10-06T17:47:02Z) - PP-Motion: Physical-Perceptual Fidelity Evaluation for Human Motion Generation [84.40992836326613]
人間の運動生成は、AR/VR、映画、スポーツ、医療リハビリテーションに広く応用されている。
従来のアプローチでは、人間の知覚や身体的制約を用いた動きの忠実度評価が試みられている。
人間の運動の身体的および知覚的忠実度を評価するための新しいデータ駆動計量PP-Motionを提案する。
論文 参考訳（メタデータ） (2025-08-11T16:59:15Z) - Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis [51.95817740348585]
Human-Xは、様々な実体をまたいだ没入的で物理的に妥当なヒューマンインタラクションを可能にするために設計された、新しいフレームワークである。
本手法は, 自己回帰型反応拡散プランナを用いて, リアルタイムに反応と反応を同時予測する。
我々のフレームワークは、人間とロボットのインタラクションのための仮想現実インターフェースを含む、現実世界のアプリケーションで検証されている。
論文 参考訳（メタデータ） (2025-08-04T06:35:48Z) - ForcePose: A Deep Learning Approach for Force Calculation Based on Action Recognition Using MediaPipe Pose Estimation Combined with Object Detection [0.0]
ForcePoseは、人間のポーズ推定とオブジェクト検出を組み合わせることで、応用力を推定する新しいディープラーニングフレームワークである。
我々は、物理的センサーを必要とせず、力の大きさと方向を予測するために、空間的特徴と時間的特徴の両方を処理する専門的なニューラルネットワークを開発した。
論文 参考訳（メタデータ） (2025-03-28T12:13:56Z) - ExBody2: Advanced Expressive Humanoid Whole-Body Control [16.69009772546575]
人間のモーションキャプチャーとシミュレーションデータの両方に基づいてトレーニングされた全身トラッキングコントローラの製作法を提案する。
我々は,ロボットのキネマティクスに適合する中間データを生成するために,教師の方針を利用する。
少量のデータによる微調整により追跡性能が大幅に向上した。
論文 参考訳（メタデータ） (2024-12-17T18:59:51Z) - TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。
実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。
評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文 参考訳（メタデータ） (2021-04-08T20:01:00Z)
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。