論文の概要: High Fidelity Capture, Reconstruction, and Transfer of Human Demonstrations for Robot-Assisted Bathing

• arxiv url: http://arxiv.org/abs/2608.09127v1
• Date: Mon, 10 Aug 2026 05:07:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.089024
• Title: High Fidelity Capture, Reconstruction, and Transfer of Human Demonstrations for Robot-Assisted Bathing
• Title（参考訳）: ロボットアシスト浴における高忠実度キャプチャー, 再構成, 人間のデモテーションの移動
• Abstract要約: 臨床研修医が人体で行う入浴デモのデータセットを構築した。 次に、このデータセットを使用して、腕に装着したデキスタラスなソフトハンドを設計し、コントロールし、マネキンで入浴作業を行います。 私たちのデータセットは、持続的で接触に富んだ人間と人間の相互作用において、高品質な同期動作、形状、接触、および力を提供する最初のものです。
• 参考スコア（独自算出の注目度）: 14.622858975199465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the demand for robots in high-value clinical tasks like bathing, contemporary systems still lack the safety and reliability required for complex, sustained physical interaction with humans. A key challenge hindering the development of such systems is that collecting, understanding, and effectively transferring highly dynamic, contact-rich human bathing demonstrations is difficult, even with modern motion and tactile sensing equipment. We present a straightforward, but effective framework for doing so with high fidelity by utilizing contact regions as a key processing primitive. We use our framework to build a dataset of bathing demonstrations performed by trained clinicians on human subjects. We then use this dataset to design and control an arm-mounted dexterous soft hand to perform bathing tasks on a mannequin using open- and closed-loop strategies. Our dataset is the first to provide high quality synchronized motion, shape, contact, and force during sustained, contact-rich human-human interaction, and our transfer strategies demonstrate effective use of these data across multiple levels of the robotics stack. All relevant materials will be publicly released to enable further advancements in physical human-robot interaction (pHRI) research.
• Abstract（参考訳）: 入浴のような高価値な臨床タスクにおけるロボットの需要にもかかわらず、現代システムは人間との複雑な持続的な物理的相互作用に必要な安全性と信頼性を欠いている。 このようなシステムの開発を妨げる重要な課題は、現代の動きや触覚センサー装置であっても、非常にダイナミックで接触に富んだ人間の入浴デモを収集、理解、効果的に転送することが難しいことである。 キープロセッシングプリミティブとしてコンタクト領域を活用することにより,高い忠実度で行うための,単純かつ効果的なフレームワークを提案する。 我々のフレームワークは、訓練された臨床医が人体で行う入浴デモのデータセットを構築するのに役立ちます。 次に、このデータセットを用いて腕に装着したデキスタラスソフトハンドを設計、制御し、オープンループ戦略とクローズループ戦略を用いてマネキン上で入浴作業を行う。 我々のデータセットは、持続的、接触に富んだ人間と人間の相互作用において、高品質な同期動作、形状、接触力、および力を提供する最初のものであり、我々の転送戦略は、ロボットスタックの複数のレベルにわたってこれらのデータを効果的に活用することを実証している。 関連物質はすべて公開され、物理的人間-ロボット相互作用(pHRI)研究のさらなる進歩を可能にする。

関連論文リスト

• MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
  MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。 現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
  論文  参考訳（メタデータ） (2026-02-17T17:09:45Z)
• Learning Whole-Body Human-Humanoid Interaction from Human-Human Demonstrations [63.80827184637476]
  D-STAR(D-STAR)は,行動すべき場所から行動すべき場所を乱す階層的な政策である。 広範かつ厳密なシミュレーションを通じて、我々のフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-01-14T14:37:06Z)
• HHI-Assist: A Dataset and Benchmark of Human-Human Interaction in Physical Assistance Scenario [63.77482302352545]
  HHI-Assist(ヒヒ・アシスト)は、人間の介助作業における人間のインタラクションのモーションキャプチャークリップからなるデータセットである。 私たちの研究は、ロボット支援ポリシーを大幅に強化する可能性がある。
  論文  参考訳（メタデータ） (2025-09-12T09:38:17Z)
• 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)
• 3HANDS Dataset: Learning from Humans for Generating Naturalistic Handovers with Supernumerary Robotic Limbs [64.99122701615151]
  スーパー数式ロボットアーム(英: Supernumerary Robotics limbs、SRL)は、ユーザーの身体と密に統合されたロボット構造である。 3HANDSは,日常活動を行う参加者と,ヒップマウントSRLを自然な方法で実施する参加者との間の,オブジェクトハンドオーバインタラクションの新たなデータセットである。 本稿では,自然なハンドオーバ軌跡を生成する3つのモデル,適切なハンドオーバエンドポイントを決定する1つのモデル,ハンドオーバ開始のタイミングを予測する3つのモデルを提案する。
  論文  参考訳（メタデータ） (2025-03-06T17:23:55Z)
• Human-Humanoid Robots Cross-Embodiment Behavior-Skill Transfer Using Decomposed Adversarial Learning from Demonstration [9.42179962375058]
  本稿では,デジタル人間モデルを共通プロトタイプとして使用することにより,データのボトルネックを低減するための転送可能なフレームワークを提案する。 このモデルは、人間による実演から、敵対的な模倣を通して行動プリミティブを学習し、複雑なロボット構造を機能的な構成要素に分解する。 本フレームワークは,多種多様な構成のヒューマノイドロボット5体を用いて検証した。
  論文  参考訳（メタデータ） (2024-12-19T18:41:45Z)
• Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
  本稿では,人間とロボットの協調学習システムについて紹介する。 これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。 これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
  論文  参考訳（メタデータ） (2024-06-29T03:37:29Z)

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。