論文の概要: PAMoR: Parameterized Affective Motion Generation in Real Time for Humanoid Robots

• arxiv url: http://arxiv.org/abs/2608.28213v1
• Date: Fri, 28 Aug 2026 11:32:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.301183
• Title: PAMoR: Parameterized Affective Motion Generation in Real Time for Humanoid Robots
• Title（参考訳）: PAMoR:ヒューマノイドロボットのリアルタイムでのパラメータ化された感情運動生成
• Abstract要約: 本稿では,PAMoRについて述べる。 全身の動きが29-DoFのUnitree G1上でリアルタイムで自動回帰的にロールアウトし、動作と編集性の両方に影響することを示す。 知覚的研究において、ラテンダーは、ベースラインと行動した人体に対して報告された0.44に近づく両方の試験の0.38の強制的な感情を識別する。
• 参考スコア（独自算出の注目度）: 1.4830423024724306
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: People read a humanoid robot's motion in social settings not only for the action performed but for the affect conveyed. Motion carrying that affect has so far been generated for human avatars, where style is taken from a reference clip or an emotion word, neither of which can be quantitatively parameterized. We present PAMoR, which turns affect into a measured control parameter: a valence-arousal (V-A) coordinate computed natively on robot kinematics. It is obtained in closed form from postural expansion and movement energy, and these measurements serve directly as generation conditions, with no human annotation. An action prior and two affect priors, trained in a shared latent space, are composed at each denoising step: the action prior fixes what is performed, the affect priors modulate how. Whole-body motion rolls out autoregressively on a 29-DoF Unitree G1 in real time, with action and affect both editable. Generated motion tracks the commanded V-A over its full range while text-to-motion fidelity still matches text-only baselines. In a perceptual study, raters identify the commanded emotion on 0.38 of trials, above both baselines and approaching the 0.44 reported for acted human bodies.
• Abstract（参考訳）: ヒューマノイドロボットの動作は、行動だけでなく、伝達された影響のためにも社会的に読まれる。 人間のアバターでは、参照クリップや感情語からスタイルを取り出すことができ、どちらも定量的にパラメータ化できない。 本稿では,ロボットキネマティクスでネイティブに計算された原子価-陽極座標 (V-A) に影響を及ぼすPAMoRについて述べる。 姿勢膨張と運動エネルギーから閉じた形で得られ、これらの測定は人間のアノテーションなしで直接生成条件として機能する。 行動先行と2つの影響先行は、共有潜在空間で訓練され、各認知ステップで構成される:行動先行が実行されたことを修正し、影響先行がどのように変調するか。 全体モーションは29-DoFのUnitree G1上でリアルタイムで自動でロールアウトする。 生成したモーションは命令されたV-Aを全範囲にわたって追跡するが、テキスト間移動の忠実度はテキストのみのベースラインと一致している。 知覚的研究において、ラテンダーは、ベースラインと行動した人体に対して報告された0.44に近づく両方の試験の0.38の強制的な感情を識別する。

関連論文リスト

• Anatomy of Uncertainty: Expressive Descriptors of Robotic Manipulator Motion for Non-verbal Communication in Human-Robot Collaboration [0.6576864734526405]
  本研究はロボットマニピュレータ運動による知覚の不確実性を表現する数学的枠組みを導入する。 動作中のロボットの不確実性を符号化し、将来の自律軌道生成を支援するための知覚的基盤を確立する。
  論文  参考訳（メタデータ） (2026-07-15T10:48:44Z)
• A New Human-Likeness and Comfort Index for Robot Movements Along Prescribed Paths [1.2070251470948772]
  本稿では,ロボットの動きと人間の動きの快適性と類似性の関係について論じる。 人的類似度指数を用いて、人的な動きを生成する際に、軌道生成アルゴリズムの性能を評価することができる。
  論文  参考訳（メタデータ） (2026-07-09T15:53:51Z)
• PhysDrift: Bridging the Embodiment Gap in Humanoid Co-Speech Motion Generation [31.168201029670865]
  本稿では,人体表現に頼らずに音声からヒューマノイド関節軌跡を推定する,エンボディメントを意識した協調音声運動フレームワークであるPhysDriftを紹介する。 実験と実世界のヒューマノイド配置により、エンボディメントを意識したロボットネイティブ生成は、音声と運動のアライメント、身体的可視性、運動の滑らかさ、推論効率、リアルタイム相互作用能力を大幅に改善することを示した。
  論文  参考訳（メタデータ） (2026-06-18T08:31:58Z)
• 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)
• Spherical Latent Motion Prior for Physics-Based Simulated Humanoid Control [23.295360425494597]
  球状ラテント・モーション・プライオリ (SLMP) は, 動作先行学習のための2段階の手法である。 SLMPは情報損失のない細かな動きの詳細を保存し、ランダムサンプリングは意味論的に妥当で安定した振る舞いをもたらす。 SLMPは、異なるヒューマノイドロボット形態を一般化し、単一のシミュレートされたアバターを超えて、その伝達可能性を示す。
  論文  参考訳（メタデータ） (2026-03-01T22:00:20Z)
• 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)
• PACE: Data-Driven Virtual Agent Interaction in Dense and Cluttered Environments [69.03289331433874]
  PACEは,高密度で散らばった3Dシーン全体と対話し,移動するために,モーションキャプチャーされた仮想エージェントを改良する新しい手法である。 本手法では,環境中の障害物や物体に適応するために,仮想エージェントの動作シーケンスを必要に応じて変更する。 提案手法を先行動作生成技術と比較し,本手法の利点を知覚的研究と身体的妥当性の指標と比較した。
  論文  参考訳（メタデータ） (2023-03-24T19:49:08Z)
• Task-Oriented Human-Object Interactions Generation with Implicit Neural Representations [61.659439423703155]
  TOHO: 命令型ニューラル表現を用いたタスク指向型ヒューマンオブジェクトインタラクション生成 本手法は時間座標のみでパラメータ化される連続運動を生成する。 この研究は、一般的なヒューマン・シーンの相互作用シミュレーションに向けて一歩前進する。
  論文  参考訳（メタデータ） (2023-03-23T09:31:56Z)
• Scene-aware Generative Network for Human Motion Synthesis [125.21079898942347]
  シーンと人間の動きの相互作用を考慮した新しい枠組みを提案する。 人間の動きの不確実性を考慮すると、このタスクを生成タスクとして定式化する。 我々は、人間の動きと文脈シーンとの整合性を強制するための識別器を備えた、GANに基づく学習アプローチを導出する。
  論文  参考訳（メタデータ） (2021-05-31T09:05:50Z)

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。