論文の概要: CoDance: Learning Reactive and Compliant Human-Humanoid Interaction from Video

• arxiv url: http://arxiv.org/abs/2610.05324v1
• Date: Sun, 04 Oct 2026 15:46:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 21:42:17.782193
• Title: CoDance: Learning Reactive and Compliant Human-Humanoid Interaction from Video
• Title（参考訳）: CoDance: ビデオからリアクティブで一貫性のあるヒューマン・ヒューマノイドインタラクションを学ぶ
• Abstract要約: CoDanceは、ビデオからリアクティブで準拠する人間-ヒューマノイドインタラクションを学ぶためのフレームワークである。 我々は、人間型ロボットが動きのパートナーと歩数を調整するという、困難な瞬間として、パートナーダンスを研究した。 CoDanceは、人間のパートナーと持続的な2手舞踊を可能にし、前方と後方の運動の繰り返しの遷移を含む。
• 参考スコア（独自算出の注目度）: 2.9350019437529427
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Partnered human-humanoid interaction couples locomotion with continuous physical contact. A humanoid needs to coordinate with a person's motion while responding to interaction forces and maintaining stable and natural movement. We present CoDance, a framework for learning reactive and compliant human-humanoid interaction from video. We study partnered dancing as a challenging instantiation, where a humanoid coordinates its footsteps with a moving partner and maintains continuous two-hand contact. Given a single video of two human dancers, CoDance retargets their motions into a robot reference and a moving partner. We introduce a multi-link compliance augmentation that transforms the kinematic demonstration into force-aware training data by adapting the robot reference under structured forces at both hands. Policies trained on this data follow the observed partner while preserving the demonstrated locomotion style and responding compliantly to physical interaction. In simulation, the policies adapt their footsteps to changes in the partner and reproduce approximately 80% of the wrist displacement encoded by the augmented demonstrations. On a physical humanoid, CoDance enables sustained two-hand dancing with a human partner including repeated transitions between forward and backward motions.
• Abstract（参考訳）: パートナーヒトとヒューマノイドの相互作用は、連続的な物理的接触を伴う移動と結合する。 ヒューマノイドは、相互作用力に反応しながら人の動きと協調し、安定的で自然な動きを維持する必要がある。 本稿では,ビデオから人間-ヒューマノイド相互作用を反応的に学習するためのフレームワークであるCoDanceを紹介する。 我々は,人間型ロボットが移動相手と足跡を調整し,連続的な両手接触を維持できる,挑戦的な即興舞踊について研究した。 人間のダンサーが2人いるビデオが1本あると、CoDanceは動きをロボットレファレンスと動くパートナーに再ターゲティングする。 両手の構造力の下でロボット参照を適応させることにより,キネマティックなデモンストレーションを力覚訓練データに変換するマルチリンクコンプライアンス強化を提案する。 このデータに基づいてトレーニングされたポリシーは、観察されたパートナーに従って、実証されたロコモーションスタイルを保持し、物理的相互作用に順応する。 シミュレーションでは、これらのポリシーはパートナーの変化に対応し、強化されたデモンストレーションによって符号化された手首の変位の約80%を再現する。 物理的ヒューマノイドでは、CoDanceは人間のパートナーと持続的な2手舞踊を可能にし、前方と後方の運動の繰り返しの遷移を含む。

関連論文リスト

• Robotizing Human Videos with Physically Consistent Interactions [54.27025073220947]
  ビデオ編集の手法は手でレンダリングされたロボットに取って代わるが、不正確なインタラクションの再構築は不整合の把握を生み出す。 これらの障害には、相互作用幾何学とシーン可視性という2つの相補的な物理的側面から対処する。 その結果得られたビデオは、人間のデモの相互作用構造をロボット互換の形で保存し、ロボットのデモと共同で訓練される。
  論文  参考訳（メタデータ） (2026-10-05T11:08:50Z)
• PACT: End-to-End Learning of Human Pose, Contacts, and Forces from Video [44.19745810264021]
  PACTは、モノクロビデオから人間のポーズ、接触力、接触力を推定するために共同で学習するエンドツーエンドモデルである。 我々は,接触ラベルと物理に基づく動きと力の最適化を組み合わせたデータアノテーションパイプラインを開発した。 実験は、最先端の接触と力の推定を実証し、段階的な再建アプローチよりも優れた結果を得た。
  論文  参考訳（メタデータ） (2026-09-30T17:59:57Z)
• Weave: Learning Whole-Body Dexterous Loco-Manipulation from Human-Object Interactions [6.968853416384178]
  ヒューマノイドと物体の相互作用を学習するには、ロボットと物体の動きの両方を制御するために、全身のバランス、移動、器用な接触を調整する必要がある。 我々は、捕獲された人間の実演から全身のデキスタス・ヒューマノイド・オブジェクトの相互作用を学習するための統合フレームワークWeaveを提案する。
  論文  参考訳（メタデータ） (2026-09-15T06:04:36Z)
• Learning to Assist: Physics-Grounded Human-Human Control via Multi-Agent Reinforcement Learning [29.898955971414154]
  多エージェント強化学習問題として, 密接に相互作用し, 力量変化する人間の動作系列の模倣を定式化する。 AssistMimicは、確立されたベンチマーク上でのアシストインタラクション動作の追跡に成功できる最初の方法であることを示す。
  論文  参考訳（メタデータ） (2026-03-11T22:25:44Z)
• 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)
• InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
  関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。 そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-11-27T14:32:33Z)

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。