論文の概要: Learning Expressive Humanoid Locomotion from Monocular Runway Videos for Robot Fashion Shows

• arxiv url: http://arxiv.org/abs/2609.27003v1
• Date: Tue, 22 Sep 2026 19:38:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.741814
• Title: Learning Expressive Humanoid Locomotion from Monocular Runway Videos for Robot Fashion Shows
• Title（参考訳）: ロボットファッションショーのための単眼ランウェイ映像からの表現型ヒューマノイドロコモーションの学習
• Abstract要約: 本稿では,モノラルな滑走路映像をデプロイ可能なヒューマノイド移動ポリシーに変換するエンドツーエンドフレームワークを提案する。 ランウェイ型キャットウォーク動作を用いたBooster K1ヒューマノイドロボットの枠組みについて検討した。 その結果,提案するトレーニングフレームワークにより,ブースターK1は安定かつ表現力のあるキャットウォーク動作を行うことができることがわかった。
• 参考スコア（独自算出の注目度）: 0.5735035463793009
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Runway walking requires coordinated control of posture, stride, foot placement, and whole-body motion to effectively present clothing and convey a distinctive style. However, humanoid robots used in fashion shows typically rely on locomotion policies optimized primarily for stability and walking speed, limiting their ability to reproduce expressive, human-like runway motions. In this work, we present an end-to-end framework that transforms monocular runway videos into deployable humanoid locomotion policies through motion recovery, robot retargeting, motion correction, policy training, simulation-based evaluation, and physical deployment. We evaluate the proposed framework on the Booster K1 humanoid robot using runway-style catwalk motions. The learned policy completed every physical trial without falling, while reproducing the characteristic narrow foot placement and coordinated movement of the legs, torso, and arms. The results demonstrate that our proposed training framework enables the Booster K1 to perform stable and expressive catwalk motions, highlighting its potential for humanoid robotic applications in fashion shows and other performance-oriented scenarios.
• Abstract（参考訳）: 滑走路を歩くには姿勢、歩幅、足の配置、全身の動きを協調的に制御し、衣服を効果的に提示し、独特のスタイルを伝える必要がある。 しかし、ファッションで使われるヒューマノイドロボットは、主に安定性と歩行速度に最適化された移動ポリシーに依存し、表現力のある人間のような滑走路の動きを再現する能力を制限する。 本研究では,モノラルランウェイ映像を移動回復,ロボットのリターゲティング,動作補正,ポリシートレーニング,シミュレーションに基づく評価,物理的展開を通じて,デプロイ可能なヒューマノイドロコモーションポリシーに変換するエンドツーエンドフレームワークを提案する。 ランウェイ型キャットウォーク動作を用いたBooster K1ヒューマノイドロボットの枠組みについて検討した。 学習した方針は、脚、胴体、腕の特徴的な狭い足の配置と協調した動きを再現しながら、転倒することなくあらゆる身体実験を完了した。 提案したトレーニングフレームワークにより、Booster K1は安定かつ表現力のあるキャットウォーク動作を実行でき、ファッションショーやその他のパフォーマンス指向シナリオにおけるヒューマノイドロボット応用の可能性を強調した。

関連論文リスト

• WholeBodyWAM: Learning Whole-Body World Action Models with Scalable Motion Priors [28.761088065994244]
  WholeBodyWAMは、ターゲットロボット訓練の前に、大規模な異種運動から全身動態を学習する。 言語条件のモーションエキスパートは、ターゲットロボットアクションの監督なしに、将来の全身の動きを予測するために事前訓練される。 実験により、WholeBodyWAMは運動抑制尺度の増大の恩恵を一貫して受けることが示された。
  論文  参考訳（メタデータ） (2026-09-16T06:32:21Z)
• 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)
• OmniTrack: General Motion Tracking via Physics-Consistent Reference [54.256312586493415]
  OmniTrackは、一般的なモーショントラッキングから物理的実現可能性を明確に分離する一般的なトラッキングフレームワークである。 実験により、OmniTrackは追跡精度を向上し、目に見えない動きに対して強力な一般化を示すことが示された。 実世界のテストでは、OmniTrackは、フリップやカートホイールのような複雑なアクロバティックな動きを含む、1時間の長さ、一貫性、安定したトラッキングを実現している。
  論文  参考訳（メタデータ） (2026-02-27T09:12:15Z)
• KungfuBot: Physics-Based Humanoid Whole-Body Control for Learning Highly-Dynamic Skills [58.73043119128804]
  そこで本研究では,Kungfuやダンスなどの人体動作を高度に制御することを目的とした,物理学に基づくヒューマノイド制御フレームワークを提案する。 動作処理では,運動の抽出,フィルタリング,修正,再ターゲティングを行うパイプラインを設計し,物理的制約の遵守を確実にする。 動作模倣では、二段階最適化問題を定式化し、追従精度の許容度を動的に調整する。 実験では,高ダイナミックな動作のセットを模倣するために全身制御ポリシーを訓練する。
  論文  参考訳（メタデータ） (2025-06-15T13:58:53Z)
• Natural Humanoid Robot Locomotion with Generative Motion Prior [21.147249860051616]
  本稿では,ヒューマノイドロボットの移動作業のきめ細かい監督を行う新しいジェネレーティブ・モーション・プライオリティ(GMP)を提案する。 我々は、条件付き変分自動エンコーダに基づいて、ロボットの将来の自然参照動作を予測するために、生成モデルをオフラインでトレーニングする。 政策訓練の間、生成運動は凍結したオンラインモーションジェネレータとして機能し、軌道レベルで正確に包括的な監視を提供する。
  論文  参考訳（メタデータ） (2025-03-12T03:04:15Z)
• 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)
• Expressive Whole-Body Control for Humanoid Robots [20.132927075816742]
  我々は、人間の動きをできるだけリアルに模倣するために、人間サイズのロボットで全身制御ポリシーを学習する。 シミュレーションとSim2Real転送のトレーニングにより、私たちのポリシーはヒューマノイドロボットを制御して、さまざまなスタイルで歩いたり、人と握手したり、現実世界で人間と踊ったりできる。
  論文  参考訳（メタデータ） (2024-02-26T18:09:24Z)
• 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)

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。