論文の概要: Whole-Body Semantic-to-Actuation Grounding of Elephant-Inspired Soft-Trunk Motion via Lightweight Flow Matching
- arxiv url: http://arxiv.org/abs/2607.11018v1
- Date: Mon, 13 Jul 2026 02:33:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.304219
- Title: Whole-Body Semantic-to-Actuation Grounding of Elephant-Inspired Soft-Trunk Motion via Lightweight Flow Matching
- Title（参考訳）: 軽量フローマッチングによるエレファント刺激型ソフトトランク運動の全音速セマンティック揺動グラウンド
- Abstract要約: ゾウに触発されたソフトトランクHRIのための全身のセマンティック・ツー・アクティベーション・グラウンドディング・フレームワークを提案する。
提案手法は, 生応答密度回帰よりも25.0%から77.2%の接地精度を向上する。
推論時間を7.86msから4.87msに短縮し、動きの多様性を保っている。
- 参考スコア（独自算出の注目度）: 15.915777089981182
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For close-contact human-robot interaction (HRI), trunk-like continuum manipulators provide a physical channel for diverse whole-body expression, but grounding open-vocabulary responses into such robots is difficult: end-effector motion underspecifies body shape, whereas direct whole-body commands are high-dimensional and hard to keep feasible. We propose a whole-body semantic-to-actuation grounding framework for elephant-inspired soft-trunk HRI based on lightweight flow matching. The framework converts responses from a multimodal large language model into bounded, morphology-aligned intent-intensity tuples, parameterizes tendon-actuation trajectories with compact Catmull-Rom spline controls, and uses a rectified-flow generator to sample feasible whole-body trunk motions. Experiments show that the proposed framework improves held-out grounding correctness from 25.0% to 77.2% over a raw-response dense-regression baseline. Compared with a denoising-diffusion baseline, it improves correctness from 71.9% to 77.2% and reduces inference time from 7.86 ms to 4.87 ms while preserving motion diversity. A 100-participant physical HRI study further shows that adding the generated soft-trunk motion channel increases the positive overall-satisfaction rating from 46% to 82% over the audiovisual-only baseline.
- Abstract（参考訳）: 密接な接触型人間ロボット相互作用(HRI)では、トランクのような連続体マニピュレータは、多様な全身表現のための物理チャネルを提供するが、そのようなロボットに開語彙応答を接地させることは困難である。
象に触発されたソフトトランクHRIのための軽量なフローマッチングに基づく全身のセマンティック・ツー・アクティベーション・グラウンドティング・フレームワークを提案する。
このフレームワークは、マルチモーダルな大言語モデルからの応答を、有界でモルフォロジーに整列したインテントインテンシティタプルに変換し、コンパクトなカタマル・ロム・スプライン制御で腱運動軌跡をパラメータ化し、整流発生器を用いて、実現可能な全身のトランク運動をサンプリングする。
実験により,提案手法は生の応答性密度回帰ベースラインよりも25.0%から77.2%のグラウンドアウト正当性を向上することが示された。
デノイング拡散ベースラインと比較して、71.9%から77.2%に修正され、動きの多様性を維持しながら、推論時間を7.86msから4.87msに短縮する。
100人の参加者による物理HRI研究は、生成したソフトトランク運動チャネルを追加することで、オーディオ視覚のみのベースラインよりも、全体の満足度が46%から82%に向上することを示した。
関連論文リスト
- GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。
純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。
自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
論文 参考訳（メタデータ） (2026-08-18T18:21:36Z) - The GENEA Challenge 2026: A Large-Scale Disentangled Evaluation of Speech-Driven Gesture Generation on the Seamless Interaction Dataset [9.451597342369494]
このプレプリントは,5つの音声駆動ジェスチャー生成システムの大規模評価である第4回GENEA Challengeの結果を提示する。
両者の相違なく, 動きの質と音声のアライメントを評価するために, 不整合評価手法を用いた。
また,新たなセマンティックジェスチャ生成タスクと,データのグラウンドド・ジェスチャス・サブセットを用いたテキストミスマッチ評価手法を導入する。
論文 参考訳（メタデータ） (2026-08-11T12:06:16Z) - A Model-Based Decoupling Strategy for Proprioception and Contact Sensing in an Architected Soft Manipulator [49.225033144914214]
軟構造セグメントに埋め込まれた流体圧センサから, 受容・接触信号を分離するモデルベース戦略を提案する。
単一ITHセグメントでは, 相対曲げ誤差0.11+/-0.02, 接触検出率97%で, 主観的形状推定が可能である。
論文 参考訳（メタデータ） (2026-07-17T03:03:19Z) - An Intelligent-Cloud Edge Multimodal Interaction System for Robots [4.1212219465063304]
本稿では,拡張YOLOに基づくジェスチャー検出と,協調型大言語モデル(LLM)と視覚言語モデル(VLM)エージェントを統合したクラウドエッジマルチモーダルインタラクションフレームワークを提案する。
クラウド層はジェスチャー検出、シーン理解、マルチモーダル融合、アクション計画を実行する一方、TonyPiロボットはデータ取得、通信、アクション実行、フィードバックをローカルに処理する。
論文 参考訳（メタデータ） (2026-07-16T07:39:18Z) - Appearance-Invariant Detection of Suggestive Motion via Laban Movement Descriptors on SMPL Skeletons [0.0]
SMPL骨格軌跡からの示唆的および明示的な移動を検出する動きのみの分類パイプラインを提案する。
20,514の運動断片では、110 LMAを超えるロジスティック回帰は57.3%の4方向精度(2.3倍の確率)、72.1%の3方向、78.7%のバイナリSFW/NSFWが特徴である。
分類を駆動する特徴はひとつもなく、四層構造が真に異なる運動様式を反映していることを示唆している。
論文 参考訳（メタデータ） (2026-05-23T09:22:32Z) - Contact Matrix: Enhancing Dance Motion Synthesis with Precise Interaction Modeling [43.632039701422464]
本稿では,高品質なデータが少ないデュエットダンス(デュエットダンス)の典型的なシナリオに焦点を当てる。
これらの課題に対処するための新しい2段階フレームワークを提案する。
第1段階では、別個のボディ部エンコーダとジョイントデコーダを備えたモーションVQ-VAEを導入する。
第2段階では,反応運動生成のための接触認識拡散モデルを提案する。
論文 参考訳（メタデータ） (2026-05-06T09:10:07Z) - Design and Validation of a Lightweight 1D CNN for Affective Touch Classification in Soft Plush Companions [59.49967357689445]
ソフトなセンサー付きコンパニオンは、社会的支援技術のための物理的に安全で感情的に直感的なインターフェースを提供する。
本研究では,ソフト・インタラクティブ・コンパニオンにおける感情的触覚認識のためのディープラーニングモデルの開発と検証を目的とした,オープンソースで拡張されたリアルタイムフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-16T10:20:05Z) - MotionCFG: Boosting Motion Dynamics via Stochastic Concept Perturbation [60.48914865049489]
MotionCFGは、ターゲットコンセプトとノイズブレーブの概念を対比することにより、モーションダイナミクスを強化するフレームワークである。
明示的な否定とは異なり、このアプローチはグローバルな意味的アイデンティティをシフトすることなく暗黙的な否定的なガイダンスを促進する。
MotionCFGは、最先端のT2Vフレームワーク間のモーションダイナミクスを一貫して改善する。
論文 参考訳（メタデータ） (2026-03-14T18:39:37Z) - Bidirectional Temporal Dynamics Modeling for EEG-based Driving Fatigue Recognition [8.553069379167221]
運転疲労は交通事故の主要な原因であり、道路の安全に深刻な脅威をもたらす。
脳波に基づく疲労認識は、強い非定常性と非対称神経力学によって妨げられる。
我々は,脳波に基づく運転疲労認識のための双方向時間ダイナミクスを明示的に捉える新しいフレームワークDeltaGateNetを提案する。
論文 参考訳（メタデータ） (2026-02-15T09:42:25Z) - DoGCLR: Dominance-Game Contrastive Learning Network for Skeleton-Based Action Recognition [8.909010524191368]
既存の骨格に基づく行動認識のための自己教師付きコントラスト学習法は、しばしば全ての骨格領域を均一に処理する。
本稿では,骨格型行動認識(DoGCLR)のためのドミナンスゲームコントラスト学習ネットワークを提案する。
DoGCLRは、正と負のサンプルの構成を動的ドミナンスゲームとしてモデル化し、両方のサンプルタイプが相互作用し、セマンティックな保存と識別力のバランスをとる平衡に達する。
論文 参考訳（メタデータ） (2025-11-18T06:32:21Z) - ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。
Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。
モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
論文 参考訳（メタデータ） (2025-03-27T16:39:40Z) - DexHandDiff: Interaction-aware Diffusion Planning for Adaptive Dexterous Manipulation [78.60543357822957]
高度なロボティクスにとって、接触に富んだ相互作用による有害な操作が不可欠である。
DexHandDiffは,適応的デキスタラス操作のための対話型拡散計画フレームワークである。
当社のフレームワークは, 目標適応度の高いタスクにおいて, 平均70.7%の成功率を実現し, コンタクトリッチな操作における堅牢性と柔軟性を強調した。
論文 参考訳（メタデータ） (2024-11-27T18:03:26Z) - On-the-Fly Feature Based Rapid Speaker Adaptation for Dysarthric and
Elderly Speech Recognition [53.17176024917725]
話者レベルのデータの共有化は、データ集約型モデルに基づく話者適応手法の実用的利用を制限する。
本稿では,2種類のデータ効率,特徴量に基づくオンザフライ話者適応手法を提案する。
論文 参考訳（メタデータ） (2022-03-28T09:12:24Z)
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。