論文の概要: WristMimic: Full-Body Humanoid Control with Wrist-Guided Manipulation

• arxiv url: http://arxiv.org/abs/2607.06438v2
• Date: Mon, 13 Jul 2026 05:01:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.262486
• Title: WristMimic: Full-Body Humanoid Control with Wrist-Guided Manipulation
• Title（参考訳）: WristMimic: Wrist-Guided Manipulationによるフルボディヒューマノイド制御
• Authors: Wongyun Yu, Youngwoon Kim, Minsu Cho,
• Abstract要約: 人間の物体の相互作用のデモンストレーションを物理に基づくシミュレーションに再ターゲットするには、操作を成功させる身体の動きと接触を再現する必要がある。 We introduced WristMimic, a wrist guided whole body control framework that clearly separates contact free body motion from contact rich hand operation。
• 参考スコア（独自算出の注目度）: 45.818624493082545
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retargeting human object interaction demonstrations to physics based simulation requires reproducing not only body motion but also the object motion and contacts that make manipulation succeed. However, position only hand trajectories do not specify the contact forces needed to manipulate objects, and directly tracking them can overconstrain contact rich finger behavior. We introduce WristMimic, a wrist guided whole body control framework that explicitly separates contact free body motion from contact rich hand manipulation. The contact free body and wrist are guided by kinematic pose targets, whereas the fingers are not directly supervised by human hand pose. Instead, they learn grasping and manipulation behaviors from object tracking and contact outcomes. Our key insight is that the wrist is the natural gate between these two regimes. It is largely free from contact and can be tracked kinematically, yet it determines the global hand configuration and places the fingers within reachable grasp affordances. To ensure reliable wrist placement during interaction, we introduce wrist specific reset constraints and reward prioritization. Experiments show that WristMimic matches or surpasses methods using full finger pose supervision while enabling finger agnostic retargeting across diverse hand embodiments.
• Abstract（参考訳）: 人間の物体の相互作用のデモンストレーションを物理学に基づくシミュレーションに再ターゲットするには、身体の動きだけでなく、操作を成功させる物体の動きや接触を再現する必要がある。 しかし、位置のみのハンドトラジェクトリは、物体を操作するのに必要な接触力を特定しておらず、直接追跡することで、リッチフィンガーの動作を過度に抑制することができる。 We introduced WristMimic, a wrist guided whole body control framework that clearly separates contact free body motion from contact rich hand operation。 接触自由体と手首はキネマティックなポーズターゲットで案内されるが、指は人間のポーズで直接監督されるわけではない。 代わりに、オブジェクトの追跡と接触結果から行動の把握と操作を学ぶ。 私たちの重要な洞察は、手首がこれら2つの政権の間の自然の門であるということです。 接触がほとんどなく、キネマティックに追跡できるが、世界規模の手の構成を判断し、指を到達可能な把握範囲に配置する。 インタラクション中の手首の信頼性を確保するため,手首特定リセット制約と報酬優先順位付けを導入する。 実験の結果, WristMimicは, 多様な手具の指非依存的再ターゲティングを可能にするとともに, フルフィンガーポーズによる手法に適合し, あるいは超越していることがわかった。

関連論文リスト

• Transferring Contact, Not Just Motion: Compliant Grasping Across Dexterous Hands [0.01268579273097071]
  悪質な把握は接触調節に依存し、運動のみに依存しない。 既存のクロス・エボディメント・デキスタラス・ポリシーは、リターゲティングされた手の動きや潜伏動作を通じて動きを統一するが、力フィードバックは各手の感覚と運動に結びついている。 本研究は異種手間における接触認識操作のためのクロス・エボディメント力配置インタフェースを導入する。
  論文  参考訳（メタデータ） (2026-06-14T00:01:36Z)
• Glove2Hand: Synthesizing Natural Hand-Object Interaction from Multi-Modal Sensing Gloves [29.4768155708928]
  Glove2Handは、マルチモーダルセンシンググローブのHOIビデオを素手で翻訳するフレームワークだ。 HandSenseは、同期された触覚とIMU信号を備えたグローブ・ツー・ハンドビデオを備えた、最初のマルチモーダルHOIデータセットである。
  論文  参考訳（メタデータ） (2026-03-21T15:12:57Z)
• 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)
• Continuous Wrist Control on the Hannes Prosthesis: a Vision-based Shared Autonomy Framework [4.5540732576876986]
  義肢をつかむためのほとんどの制御技術は、器用な指の制御に焦点をあてるが、手首の動きを見渡す。 これにより、肘、肩、腰で補償運動を行い、手首をつかむように適応させる。 本稿では,共有自律フレームワークにおけるユーザと自動システムの協調を利用したコンピュータビジョンベースシステムを提案する。 当社のパイプラインでは,人工手首をシームレスに制御して対象物を追尾し,最終的にユーザの意図に応じて把握するように調整しています。
  論文  参考訳（メタデータ） (2025-02-24T15:48:25Z)
• GRIP: Generating Interaction Poses Using Spatial Cues and Latent Consistency [57.9920824261925]
  手は器用で多用途なマニピュレータであり、人間が物体や環境とどのように相互作用するかの中心である。 現実的な手オブジェクトの相互作用をモデル化することは、コンピュータグラフィックス、コンピュータビジョン、混合現実の応用において重要である。 GRIPは、体と物体の3次元運動を入力として取り、物体の相互作用の前、中、後の両方の両手の現実的な動きを合成する学習ベースの手法である。
  論文  参考訳（メタデータ） (2023-08-22T17:59:51Z)
• GOAL: Generating 4D Whole-Body Motion for Hand-Object Grasping [47.49549115570664]
  既存の方法は、手と頭を無視して、身体の主肢に焦点を合わせている。手は別々に研究されているが、対象物の現実的な静的な把握に焦点が当てられている。 我々は、全体の動きと現実的な手の動きを同時に生成する必要がある。 本研究では,未知の物体をつかむアバターの全身,手,頭部の動きを初めて生成する問題に対処する。
  論文  参考訳（メタデータ） (2021-12-21T18:59:34Z)
• Physics-Based Dexterous Manipulations with Estimated Hand Poses and Residual Reinforcement Learning [52.37106940303246]
  ノイズの多い入力ポーズをターゲットの仮想ポーズにマッピングするモデルを学習する。 モデルフリーハイブリッドRL+ILアプローチを用いて残留条件下で訓練する。 筆者らは,VRにおける手動物体の相互作用と,それを用いた手動物体の動作再構成という,手動姿勢推定を用いた2つのアプリケーションで,我々のフレームワークを検証した。
  論文  参考訳（メタデータ） (2020-08-07T17:34:28Z)

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。