論文の概要: Dressing in Motion: A Human Motion-Aware Diffusion Policy for Robot-Assisted Dressing
- arxiv url: http://arxiv.org/abs/2609.04759v1
- Date: Fri, 04 Sep 2026 05:42:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.924845
- Title: Dressing in Motion: A Human Motion-Aware Diffusion Policy for Robot-Assisted Dressing
- Title（参考訳）: 動作中のドレッシング : ロボット支援ドレッシングのための人間の動きを考慮した拡散政策
- Abstract要約: 静的な専門家によるデモンストレーションからドレッシングスキルを学び、ダイナミックなユーザモーションシナリオに一般化するビジュモータポリシーを提案する。
衣服と人間の相互作用の幾何学に合わせた拡散政策は、腕の姿勢の異なる部分的な観測点の雲から学習する。
本研究では,9人の被験者,3種類の衣服,6つの腕の動きパターンを含む実世界の人間実験とシミュレーションによる手法の評価を行った。
- 参考スコア（独自算出の注目度）: 11.869204127828944
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robotic dressing assistance is a promising solution for supporting older adults with physical impairments in daily living. However, dressing under human motion remains challenging, as complex garment--human contact and occlusions make it difficult to generate actions aligned with arm movements. In this letter, we propose a visuomotor policy that learns dressing skills from static expert demonstrations and generalizes to dynamic user-motion scenarios. A diffusion policy tailored to garment--human interaction geometry learns from partially observed point clouds with varied arm postures. We then introduce an object-centric representation based on PDE diffusion to capture the axial distribution of the arm. By sampling motion-relevant regions and registering them across consecutive observations, the proposed method approximates arm motion and reactively adapts the executed trajectory. We evaluate our method in simulation and a real-world human study involving nine participants, three garment types, and six arm-motion patterns. Results show that our method outperforms baselines in dressing progress, freedom of movement, and user comfort. The project website is https://anonymous.4open.science/w/dressing-in-motion.
- Abstract（参考訳）: ロボットドレッシング支援は、日常生活における身体的障害を持つ高齢者を支援するための有望なソリューションである。
しかし、複雑な衣服 - 人間の接触や閉塞は、腕の動きに合わせて行動を起こすのが難しくなるため、人間の動作下での服装は依然として困難である。
本稿では,静的な専門家によるデモンストレーションからドレッシングスキルを学び,ダイナミックなユーザ・モーションシナリオに一般化するビズモレータ・ポリシーを提案する。
衣服と人間の相互作用の幾何学に合わせた拡散政策は、腕の姿勢の異なる部分的な観測点の雲から学習する。
次に、PDE拡散に基づく物体中心表現を導入し、腕の軸方向分布を捉える。
動作関連領域をサンプリングし、連続観測で登録することにより、腕の動きを近似し、実行された軌道に反応的に適応する。
本研究では,9人の被験者,3種類の衣服,6つの腕の動きパターンを含む実世界の人間実験とシミュレーションによる手法の評価を行った。
以上の結果から,服飾の進行,移動の自由,利用者の快適さにおいて,本手法が基本ラインを上回っていることが示唆された。
プロジェクトのWebサイトはhttps://anonymous.4open.science/w/dressing-in-motionである。
関連論文リスト
- Bionic Human-Motion Style Transfer for Physically Executable Whole-Body Control of Humanoid Robots [13.21934742924018]
本稿では,ヒューマノイドロボットにおける模範駆動型スタイル転送のための世代間制御フレームワークを提案する。
物理を意識した潜伏拡散モデルが, スタイル, 内容, 軌道条件を融合するために開発された。
プレビューベースの全体追跡ポリシは、クラスタ・アンド・ディスティル戦略でトレーニングされる。
論文 参考訳（メタデータ） (2026-06-02T11:59:01Z) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - Step2Motion: Locomotion Reconstruction from Pressure Sensing Insoles [27.10671084209085]
マルチモーダルインソールセンサから人間の移動を再構築する最初の方法であるStep2Motionを提案する。
本手法は, インソールによって得られた圧力・慣性データ加速と角速度を利用して, 人間の動きを復元する。
本手法の有効性を様々な実験で評価し, 多様な移動スタイルに対する汎用性を示す。
論文 参考訳（メタデータ） (2025-10-26T15:12:02Z) - Force-Modulated Visual Policy for Robot-Assisted Dressing with Arm Motions [17.312909681066174]
我々は、部分的な観察を処理し、腕の動きに頑健に適応できるロボット支援ドレッシングシステムを開発した。
部分観察によるシミュレーションで訓練されたポリシーを前提として,実世界の微調整手法を提案する。
提案手法は,単純化された人間のメッシュを用いたシミュレーションと,12人の参加者による実世界人間実験で評価した。
論文 参考訳（メタデータ） (2025-09-16T06:53:18Z) - Move-in-2D: 2D-Conditioned Human Motion Generation [54.067588636155115]
そこで我々は,シーンイメージに条件付けされた人間の動作シーケンスを生成する新しい手法であるMove-in-2Dを提案する。
本手法はシーンイメージとテキストプロンプトの両方を入力として受け入れ,シーンに合わせた動作シーケンスを生成する。
論文 参考訳（メタデータ） (2024-12-17T18:58:07Z) - Human Motion Synthesis_ A Diffusion Approach for Motion Stitching and In-Betweening [2.5165775267615205]
本研究では,現実的な人間の動きを生成するための変圧器を用いた拡散モデルを提案する。
提案手法は, 中間配列の生成において高い性能を示した。
本稿では,Frechet Inception Distance(FID),Diversity,Multimodalityなどの定量的指標を用いて,本手法の性能評価を行った。
論文 参考訳（メタデータ） (2024-09-10T18:02:32Z) - GazeMoDiff: Gaze-guided Diffusion Model for Stochastic Human Motion Prediction [10.982807572404166]
本稿では、人間の動きを生成するための新しい視線誘導型微分拡散モデルGazeMoを提案する。
提案手法はまず視線エンコーダを用いて視線と運動の特徴を抽出し,その特徴を融合させるグラフアテンションネットワークを用いる。
提案手法は,マルチモーダルな最終誤差の点で,最先端の手法よりも高い性能を示す。
論文 参考訳（メタデータ） (2023-12-19T12:10:12Z) - ReMoS: 3D Motion-Conditioned Reaction Synthesis for Two-Person Interactions [66.87211993793807]
本稿では,2人のインタラクションシナリオにおいて,人の全身運動を合成する拡散モデルReMoSを提案する。
ペアダンス,忍術,キックボクシング,アクロバティックといった2人のシナリオでReMoSを実証する。
また,全身動作と指の動きを含む2人のインタラクションに対してReMoCapデータセットを寄贈した。
論文 参考訳（メタデータ） (2023-11-28T18:59:52Z) - Universal Humanoid Motion Representations for Physics-Based Control [71.46142106079292]
物理学に基づくヒューマノイド制御のための総合的な運動スキルを含む普遍的な運動表現を提案する。
まず、大きな非構造運動データセットから人間の動きをすべて模倣できる動き模倣機を学習する。
次に、模倣者から直接スキルを蒸留することで、動作表現を作成します。
論文 参考訳（メタデータ） (2023-10-06T20:48:43Z) - 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) - Action2Motion: Conditioned Generation of 3D Human Motions [28.031644518303075]
我々は3Dで人間の動作シーケンスを生成することを目的としている。
それぞれのサンプル配列は、自然界の体動力学に忠実に類似している。
新しい3DモーションデータセットであるHumanAct12も構築されている。
論文 参考訳（メタデータ） (2020-07-30T05:29:59Z)
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。