論文の概要: EgoAlign: Bridging the Human-Humanoid Gap for Long-Range Loco-Manipulation

• arxiv url: http://arxiv.org/abs/2609.38046v2
• Date: Wed, 30 Sep 2026 05:40:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.351712
• Title: EgoAlign: Bridging the Human-Humanoid Gap for Long-Range Loco-Manipulation
• Title（参考訳）: EgoAlign:Long-Range Loco-ManipulationのためのHumanoid Gapのブリッジ
• Abstract要約: EgoAlignは、エゴセントリックな人間のデモをアクションに変換し、汎用的で連続的なボディコントローラと互換性のある状態の監視を行う。 上半身の相互作用の幾何に適応しながら、視覚的にガイドされた周期的なステップの参照を保存する。 最終因果リプレイは、人間の観察によるトレーニングのための対応するロボット状態とモーション・トーケン・ラベルを再構成する。
• 参考スコア（独自算出の注目度）: 30.557334389658166
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Egocentric human demonstrations offer an accessible source of task experience, but differences in body scale and controller response, together with missing robot states, limit their value as humanoid training supervision. We present EgoAlign, a data-construction framework that converts these demonstrations into action and state supervision compatible with a general-purpose, continuous whole-body controller, without collecting physical-robot demonstrations. Using the target-robot model and simulator, EgoAlign guides demonstration collection through execution feedback. It preserves locomotion references for visually guided periodic stepping while adapting upper-body interaction geometry through scale alignment and controller-in-the-loop refinement. A final causal replay reconstructs the corresponding robot states and motion-token labels for training with the human observations. We assess the resulting supervision by fine-tuning a vision--language--action model solely on adapted human demonstrations and deploying it zero-shot on a physical humanoid. The resulting policies perform long-range object relocation, navigation to unseen goal positions, and independently evaluated foot interaction. Refinement improves simulated hand alignment and physical pickup success over kinematic alignment alone, while human collection reduces on-site acquisition time relative to teleoperation. https://lambdahumanoid.github.io/EgoAlign/
• Abstract（参考訳）: エゴセントリックな人間のデモンストレーションは、タスク体験のアクセス可能なソースを提供するが、体規模とコントローラーの反応の違いは、ロボットの状態の欠如とともに、ヒューマノイドトレーニングの監督としての価値を制限している。 EgoAlignは、これらのデモンストレーションをアクションに変換するデータ構築フレームワークで、物理ロボットのデモを収集することなく、汎用的で連続的なボディコントローラと互換性のある状態管理を行う。 ターゲットロボットモデルとシミュレータを使って、EgoAlignは実行フィードバックを通じてデモコレクションをガイドする。 スケールアライメントとコントローラ・イン・ザ・ループ・リファインメントを通じて上半身の相互作用形状を適応させながら、視覚的にガイドされた周期的なステップのための移動参照を保存する。 最終因果リプレイは、人間の観察によるトレーニングのための対応するロボット状態とモーション・トーケン・ラベルを再構成する。 人間の実演にのみ焦点をあてた視覚-言語-アクションモデルを微調整し、物理的ヒューマノイドにゼロショットで配置することで、その結果の監視を評価する。 結果として得られたポリシーは、長距離オブジェクトの移動、見つからないゴール位置へのナビゲーション、独立して評価された足の相互作用を実行する。 リファインメントは、手動アライメントのシミュレーションと、手動アライメント単独での物理的ピックアップの成功を改善する一方、人的コレクションは遠隔操作と比較して現場での取得時間を短縮する。 https://lambdahumanoid.github.io/EgoAlign/

関連論文リスト

• Traceable Human-to-Humanoid Sign Language Benchmarking [87.8147609048596]
  ヒューマノイド署名は、ビデオから派生した人間の動きを、言語的な動きの手がかりを保持しながらロボットの軌跡に変換する必要がある。 我々は20,648の文レベルの中国語手話列のデータセットとベンチマークであるHuoidCSL-20Kを紹介する。
  論文  参考訳（メタデータ） (2026-09-27T08:24:57Z)
• ViLoMan: Learning Visual-Proprioceptive Whole-Body Loco-Manipulation Skills for Humanoid Robots [56.6238848953359]
  ViLoManは、自律的なヒューマノイドロコ操作のためのスケーラブルなフレームワークである。 自我中心の深度観測と主観的測定を直接ジョイントレベル全体の行動にマッピングする統一的なポリシーを学ぶ。
  論文  参考訳（メタデータ） (2026-09-16T19:10:13Z)
• AnyWorld: Factorized Egocentric World Models for Cross-Embodiment Generalization [88.25615187835321]
  我々は,クロス・エボディメント・ワールド・モデリング・フレームワークであるAnyWorldを提案する。 私たちのモデルは、アクション、カメラ、エンボディメントへのインタラクションを分解します。 大規模なヒューマンインタラクション事前トレーニングでモデルをトレーニングする。
  論文  参考訳（メタデータ） (2026-08-29T12:55:15Z)
• Human-as-Humanoid: Enabling Zero-Shot Humanoid Learning from Ego-Exo Human Videos with Human-Aligned Embodiments [32.61025334275917]
  ヒト・アス・ヒューマノイド(Humanoid as-Humanoid)は、ヒトからヒトへのハイDoFヒューマノイドの監視フレームワークである。 大規模な人間のデモンストレーションを、対象のヒューマノイドに対する実行可能な観察-アクション監視に変換する。 Humanoidは、データ収集分析において、ヒューマノイド遠隔操作よりも4.8--7.2倍の生のデモンストレーション言語ゲインが得られる。
  論文  参考訳（メタデータ） (2026-06-30T17:44:16Z)
• VLK: Learning Humanoid Loco-Manipulation from Synthetic Interactions in Reconstructed Scenes [71.14444761145435]
  知覚に基づくヒューマノイド・ロコ・マニピュレーションは、自我中心の観察とタスク・インストラクションを全身の動きに結びつける必要がある。 既存のデータソースがこれを完全に提供するものはありません。 このボトルネックに対処するために、再構成シーンで視覚・言語・運動学を総合的に指導する手法を提案する。
  論文  参考訳（メタデータ） (2026-06-29T17:59:55Z)
• EgoPriMo: Egocentric Motion Generation for Interactive Humanoid Control [19.169686105053433]
  EgoPriMoはスケーラブルでインタラクティブなヒューマノイドモーションのフレームワークである。 SMPLベースのフルボディモーションを再構成し、生成し、予測する。 1つのチェックポイントは、UniEgoMotionよりもエゴセントリックなモーション生成を改善する。
  論文  参考訳（メタデータ） (2026-06-07T07:49:19Z)
• HoMMI: Learning Whole-Body Mobile Manipulation from Human Demonstrations [15.551927664158695]
  Whole-Body Mobile Manipulation Interface (HoMMI)は、ロボットのない人間のデモから直接、全身のモバイル操作を学習する。 我々は、モバイル操作に必要なグローバルコンテキストをキャプチャするために、エゴセントリックな感覚でUMIインタフェースを拡張する。 私たちはこのギャップを、クロス・エボディメント・ハンド・アイ・ポリシー設計で明示的に埋めます。
  論文  参考訳（メタデータ） (2026-03-03T18:36:49Z)
• EgoHumanoid: Unlocking In-the-Wild Loco-Manipulation with Robot-Free Egocentric Demonstration [67.13034606664333]
  EgoHumanoidは、エゴセントリックな人間のデモを使って視覚言語アクションポリシーを共同訓練する最初のフレームワークである。 スケーラブルな人的データ収集のためのポータブルシステムを開発した。
  論文  参考訳（メタデータ） (2026-02-10T18:59:03Z)

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。