論文の概要: HOI-Retarget: Contact-Centric Retargeting for Human-Object Interaction

• arxiv url: http://arxiv.org/abs/2609.34674v1
• Date: Mon, 28 Sep 2026 09:06:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 11:23:17.22109
• Title: HOI-Retarget: Contact-Centric Retargeting for Human-Object Interaction
• Title（参考訳）: HOI-Retarget:人間と物体のインタラクションのためのコンタクト中心リターゲット
• Abstract要約: 本稿では,人間型ロボットに対話ターゲットとしてラベル付けされた全ての接触を移動させる,コンタクト中心の方法であるHOI-Retargetを提案する。 この方法は、モノクロビデオから再構成された接触を吸収し、1つの物体を操作する複数のロボットに拡張する。
• 参考スコア（独自算出の注目度）: 4.781686004329527
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning from demonstration (LfD) has enabled humanoid robots to acquire diverse whole-body skills, but extending this paradigm to human-object interaction (HOI) is limited by the availability of robot-compatible interaction references. We present HOI-Retarget, a contact-centric retargeting method that transfers HOI onto a humanoid robot for large-scale motion-data generation. Its windowed trajectory optimization uses every labeled contact as a target in the object frame, balancing body tracking, foot support and smoothness under the robot's kinematic limits. The method can augment a single demonstration across object sizes, absorb contacts reconstructed from monocular video, and extend to several robots manipulating one object. We publicly release the code and the retargeted motion dataset.
• Abstract（参考訳）: デモから学ぶ(LfD)ことで、ヒューマノイドロボットは多様なボディスキルを習得できるが、このパラダイムを人間とオブジェクトのインタラクション(HOI)に拡張することは、ロボット互換のインタラクション参照が利用可能であることによって制限される。 本稿では,大規模なモーションデータ生成のために,HOIをヒューマノイドロボットに転送するコンタクト中心のリターゲティング手法であるHOI-Retargetを提案する。 その窓付き軌道最適化は、全てのラベル付き接触を対象のフレームのターゲットとして使用し、ロボットの運動制限下での身体追跡、足の支持、滑らかさのバランスをとる。 この方法は、モノクロビデオから再構成された接触を吸収し、1つの物体を操作する複数のロボットに拡張する。 コードと再ターゲットされたモーションデータセットを公開しています。

関連論文リスト

• ObjRetarget: An Object-Aware Motion Retargeting Framework with Anthropomorphic Arm Constraints and Polyhedral Hand Modeling [9.378632224914458]
  人間の操作ビデオからの巧妙な操作は、ロボットアクションの実行に確実に人間の意図を必要とする。 既存の手法はしばしば明示的な接触モデリングや強化を無視し、精度と一般化が制限される。 本研究では,人間のビデオからロボットの器用な操作を学習するためのロボットモーションフレームワークRetargetを提案する。
  論文  参考訳（メタデータ） (2026-07-04T11:31:23Z)
• EgoInfinity: A Web-Scale 4D Hand-Object Interaction Data Engine for Any-View Robot Retargeting and Video-to-Action Robot Learning [10.780924973366737]
  EgoInfinityは、ロボットの獲得と学習のためのWebスケールデータ生成を可能にする、汎用的な4Dハンドオブジェクトインタラクションデータエンジンである。 EgoInfinity(エゴインフィニティ)は、知覚、セグメンテーション、再構築、相互認識の洗練、そして従来の計算不可能なビデオ対アクション問題を自動化するための、モジュール式エンジンである。
  論文  参考訳（メタデータ） (2026-06-16T00:44:16Z)
• GRAIL: Generating Humanoid Loco-Manipulation from 3D Assets and Video Priors [113.71148915419246]
  GRAILは3Dアセット、シミュレーター対応シーン、およびビデオファンデーションモデル(VFM)の先行データで構成され、物理的環境を再構築したりロボットを遠隔操作したりすることなく対話を合成するデジタル生成パイプラインである。 GRAILは、オブジェクト形状、カメラパラメータ、メートル法スケール、環境深度、ロボットが提案する文字がビデオ生成の前に知られ、再構成中に再利用される、完全に定義された3D構成から始まる。 我々は、回復した動作をヒューマノイドロボットに再ターゲティングし、補完的なタスク・ジェネラル・モルフォロジー・トラッカーを訓練する。 GRAILは、ピックアップ、オブジェクト操作、着座にまたがる2万以上のシーケンスを生成する
  論文  参考訳（メタデータ） (2026-06-03T17:57:45Z)
• OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction [76.44108003274955]
  ヒューマノイドロボットの複雑なスキルを教えるための主要なパラダイムは、強化学習ポリシーの運動学的参照として人間の動きを再ターゲットすることである。 インタラクションメッシュに基づくインタラクション保存データ生成エンジンであるOmniRetargetを紹介する。 人間のメッシュとロボットメッシュの間のラプラシアの変形を最小限にすることで、OmniRetargetは運動学的に実現可能な軌道を生成する。
  論文  参考訳（メタデータ） (2025-09-30T17:59:02Z)
• Robot See Robot Do: Imitating Articulated Object Manipulation with Monocular 4D Reconstruction [51.49400490437258]
  本研究は,1つの単分子RGB人間の実演から音声による物体操作を模倣する手法を開発した。 まず,モノクロ映像から3次元部分運動を復元する4次元微分可能部品モデル(4D-DPM)を提案する。 この4D再構成を前提として、ロボットは物体の軌道を再現し、両腕の動きを計画し、実証された物体部分の動きを誘導する。 両用するYuMiロボットを用いて,4D-DPMの3D追跡精度を実写3D部分軌跡に基づいて評価し,9つのオブジェクトに対してRSRDの物理的実行性能を評価した。
  論文  参考訳（メタデータ） (2024-09-26T17:57:16Z)
• 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)

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。