論文の概要: ContactMimic: Humanoid Object Interaction via Contact Control
- arxiv url: http://arxiv.org/abs/2607.08742v1
- Date: Thu, 09 Jul 2026 17:42:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.615246
- Title: ContactMimic: Humanoid Object Interaction via Contact Control
- Title（参考訳）: ContactMimic: 接触制御によるヒューマノイド物体の相互作用
- Abstract要約: 本研究では,キーポイントトラジェクトリとともに,明示的な部分レベルバイナリコンタクトコマンドを追跡する学習フレームワークであるConTACTMIMICを提案する。
CONTACTMIMICは、接触追従報酬と軌道拡張スキームを用いることで可能となる。
シミュレーション実験により、ConTACTMIMICはタスク固有の報酬なしで操作を完了できる接触制御性を示すことを確認した。
- 参考スコア（独自算出の注目度）: 14.393971688434528
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Keypoint tracking alone is insufficient for object interaction tasks such as sitting on a chair, wiping a board, or pushing furniture, where the robot can reach the correct pose without making meaningful physical contact with the object. We present CONTACTMIMIC, a learning framework that tracks explicit partlevel binary contact commands alongside keypoint trajectories. CONTACTMIMIC is made possible through the use of contact-following rewards and a trajectory augmentation scheme aimed at breaking the correlations between keypoint trajectories and contact labels. The resulting policy successfully decouples contact behavior from keypoint geometry, and achieves precise physical contact as well as contact-controllability (produce or suppress contact during deployment as desired). Simulation experiments across 10 diverse human-object interaction motions confirm that CONTACTMIMIC exhibits contact controllability that enables it to complete manipulation tasks without task-specific rewards, while also outperforming keypoint-only trackers on contact-relevant tasks. Ablations confirm the necessity of the proposed trajectory augmentation scheme and sim2real deployment validates contact controllability in the real world across 5 different motions. Video results are available on https://lixinyao11.github.io/contactmimic-page/.
- Abstract（参考訳）: キーポイントトラッキングだけでは、椅子に座って、ボードを拭いたり、家具を押したり、物体と意味のある物理的接触をすることなく、ロボットが正しいポーズにたどり着くのに不十分である。
本研究では,キーポイントトラジェクトリとともに,明示的な部分レベルバイナリコンタクトコマンドを追跡する学習フレームワークであるConTACTMIMICを提案する。
CONTACTMIMICは、キーポイントトラジェクトリとコンタクトラベルの相関を断ち切ることを目的とした、接触追従報酬とトラジェクトリ拡張スキームを用いることで実現されている。
結果として得られたポリシーは、キーポイント幾何学と接触行動の分離に成功し、正確な物理的接触と接触制御性(所望の展開中に接触を生産または抑制する)を達成する。
10種類の人・物間相互作用のシミュレーション実験により、ConTACTMIMICはタスク固有の報酬を伴わずに操作を完了できる接触制御能力を示し、また、接触関連タスクにおいてキーポイントのみのトラッカーよりも優れていたことが確認された。
アブレーションにより、提案された軌道拡張スキームの必要性が確認され、sim2real の展開は、5つの異なる動きで現実世界の接触制御性を検証する。
ビデオ結果はhttps://lixinyao11.github.io/contactmimic-page/.comで公開されている。
関連論文リスト
- One Demonstration, Many Objects: Generalizing Manipulation via Local Contact Geometry [49.066054862620014]
人間のデモから学ぶことは、ロボット遠隔操作のスケーラブルな代替手段として現れてきた。
最近のsim-to-real RL法はそのような先入観を取り入れているが、しばしば正確な接触を明示的に動機付ける報酬を省略する。
接触点に局所的な形状に着目してオブジェクトを操作できるDemoMimicを提案する。
論文 参考訳（メタデータ） (2026-09-01T23:04:35Z) - TACTIC: Tactile and Vision Conditioned Contact-Centric Control for Whole-Arm Manipulation [3.8628620899766553]
全腕操作では、ロボットがタスクを完了する間、環境と直接接触する。
本稿では,TACTIC(Tactile and Vision Conditioned Contact-Centric Control)を提案する。
論文 参考訳（メタデータ） (2026-07-10T09:08:55Z) - ConCent: Contact-Centric Real-to-Sim-to-Real Learning from One Demonstration [17.067367964368486]
Sim-to-real Policy Transferは、大規模な実世界のデータなしでロボット操作をスケールするための有望なパラダイムである。
本稿では,実演から抽出したタスク関連接触イベントシーケンスを利用する,コンタクト中心の実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実
接触リッチな操作タスクの実験は、制約のないRLベースラインよりも安定でロバストなsim-to-realポリシー転送を示す。
論文 参考訳（メタデータ） (2026-06-29T13:16:33Z) - Seeing Touch from Motion: A Unified Modality-Aware Visuo-Tactile Policy with Tactile Motion Correlation [74.87716678195099]
光触覚センサーを利用した視覚触覚ポリシーは、コンタクトリッチな操作において大きな可能性を秘めている。
これらの利点にもかかわらず、接触リッチな操作に必要なきめ細かい接触状態の抽出は未解決の課題である。
本研究では,触覚を触覚で認識し,触覚を触覚で表現する手法を提案する。
論文 参考訳（メタデータ） (2026-06-29T08:20:18Z) - NoContactNoWorries: Estimating Contact through Vision and Proprioception for In-Hand Dexterous Manipulation [0.7378853859331618]
NoContactNoWorriesは、RGB-Dビジョンとロボットの受容とを融合してバイナリ接触状態を推測するフレームワークである。
提案手法は, 物体の逆方向を推定するために, 下流の強化学習エージェントをサポートすることを示す。
論文 参考訳（メタデータ） (2026-06-23T11:36:46Z) - DragMesh-2: Physically Plausible Dexterous Hand-Object Interaction with Articulated Objects [12.35353010124029]
調音物体との有害な相互作用は、家庭、補助、ヒューマノイド操作において重要である。
そこでDragMesh-2について述べる。
また,身体情報を利用した接触認識学習機構であるPICAを提案する。
論文 参考訳（メタデータ） (2026-06-13T05:47:14Z) - HapTile: A Haptic-Informed Vision-Tactile-Language-Action Dataset for Contact-Rich Imitation Learning [24.64460457808404]
HapTileは、視覚のみのトラジェクトリデータセットを超えて前進する、接地型ビズオタクティル操作データセットである。
データ収集プラットフォームは、触覚フィードバックを直接遠隔操作コントローラに統合し、オペレータがリアルタイムでコンタクトインタラクションを知覚できるようにする。
データセットは、ピック・アンド・プレイス、折り畳み、押圧、積み重ね、その他のルーチンアクティビティを含む、幅広いコンタクト豊富なスキルにまたがる日々の操作タスクで構成されている。
論文 参考訳（メタデータ） (2026-06-03T12:48:17Z) - OmniVTA: Visuo-Tactile World Modeling for Contact-Rich Robotic Manipulation [57.133721026727706]
textbfOmniViTacは,16ドルのタスクと100ドル以上のオブジェクトからなる21,000ドル以上のトラジェクトリからなる大規模ビズオタクティルアクションデータセットである。
我々は4つの密結合モジュールを統合する世界モデルベースのビジュオ触覚操作フレームワークである textbf OmniVTA を提案する。
論文 参考訳（メタデータ） (2026-03-19T17:52:42Z) - TouchGuide: Inference-Time Steering of Visuomotor Policies via Touch Guidance [53.35296919674763]
TouchGuideは、低次元のアクション空間内でモダリティを融合させる、クロス政治的なビズオ触覚融合パラダイムである。
TouchGuideは、事前訓練された拡散またはフローマッチングビズモータポリシーをガイドする2つの段階で動作する。
高品質で費用対効果の高いデータによるTouchGuideトレーニングを容易にするために,データ収集システムであるTacUMIを導入する。
論文 参考訳（メタデータ） (2026-01-28T04:22:47Z) - Tactile Estimation of Extrinsic Contact Patch for Stable Placement [64.06243248525823]
本稿では,複雑な物体を積み重ねることを学ぶロボットのためのフィードバックスキルの設計について述べる。
つかんだ物体とその環境間の接触パッチを,力と触覚の観測により推定する。
論文 参考訳（メタデータ） (2023-09-25T21:51:48Z) - Contact Points Discovery for Soft-Body Manipulations with Differentiable
Physics [99.86385468927638]
本稿では,ソフトボディのプラスチックを変形させる物理解法を導出する接触点探索手法(CPDeform)を提案する。
単一段階のタスクでは,移動優先度に基づいて適切な初期接触点を自動的に見つけることができる。
複雑なマルチステージタスクでは、トランスポート優先に基づいて、エンドエフェクタの接触点を反復的に切り替えることができる。
論文 参考訳（メタデータ） (2022-05-05T17:59:41Z) - COUCH: Towards Controllable Human-Chair Interactions [44.66450508317131]
物体上の異なる接触位置を条件としたシーン相互作用の合成問題について検討する。
手の接触認識制御信号を予測して動きを先導する新しい合成フレームワークCOUCHを提案する。
本手法は,既存の人間と物体の相互作用法に比べて,定量的,定性的な改善を示す。
論文 参考訳（メタデータ） (2022-05-01T19:14:22Z)
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。