論文の概要: InterMimicGen: Scaling Humanoid Loco-Manipulation through Self-Evolving Motion Imitation

• arxiv url: http://arxiv.org/abs/2610.06850v1
• Date: Mon, 05 Oct 2026 17:59:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 22:05:06.014144
• Title: InterMimicGen: Scaling Humanoid Loco-Manipulation through Self-Evolving Motion Imitation
• Title（参考訳）: InterMimicGen: 自己進化運動模倣によるヒューマノイドロコマニピュレーションのスケーリング
• Abstract要約: 自己進化型モーションアニメーションフレームワークであるInterMimicGenを紹介する。 まず、モーションキャプチャーされた人間と物体の相互作用を統合し、それらをヒューマノイドロボットの参照に再ターゲットする。 第2に,人間の手によるシミュレーションにおいて,これらの参照を実行する物理に基づくジェネラリストトラッカーを訓練する。 第3に、データフライホイールを閉じます。各ラウンドは、インタラクションの発生場所と動作方法に小さなタスク保存変更を施し、トラッカーを微調整し、シミュレートされた実行がタスクを完了した変種のみを保持する。
• 参考スコア（独自算出の注目度）: 51.061592469527966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Captured human-object interactions provide rich supervision for humanoid loco-manipulation, but they are sparse, heterogeneous, and not directly executable by robots. We introduce InterMimicGen, a self-evolving motion-imitation framework in which robot motion data and a tracking policy improve each other. First, we consolidate motion-captured human-object interaction datasets and retarget them into humanoid robot references while preserving whole-body coordination and dexterous hand-object relationships. This produces a large and diverse humanoid robot reference collection for dexterous whole-body loco-manipulation. Second, we train a physics-based generalist tracker that executes these references in simulation on a humanoid with dexterous hands, covering a scale and diversity beyond prior humanoid tracking systems for loco-manipulation. Third, we close a data flywheel: each round makes small, task-preserving changes to where an interaction takes place and how the body performs it, fine-tunes the tracker on them, and keeps only the variants whose simulated execution completes the task, which seed the next round. With more iterations, these small edits compound into broader coverage around the sparse original demonstrations while preserving task semantics and motion quality. Experiments show contact-preserving retargeting across robot configurations, broad tracking with a single generalist policy, executable motions that keep growing over augmentation rounds, and transfer to real robots. InterMimicGen provides a unified path from heterogeneous human demonstrations to a continually expanding motion resource for humanoid robot learning.
• Abstract（参考訳）: 捕獲された人間と物体の相互作用は、ヒューマノイドのロコ操作を十分に監督するが、それらは疎く、異種であり、ロボットによって直接実行されない。 ロボットの動きデータとトラッキングポリシーを相互に改善する自己進化型モーションアニメーションフレームワークであるInterMimicGenを紹介する。 まず、モーションキャプチャーされた人間と物体の相互作用データセットを集約し、それらをヒューマノイドロボットの参照に再ターゲティングし、全身のコーディネーションと器用な手と物体の関係を保つ。 これにより、大型で多様なヒューマノイドロボットの参照コレクションが作成され、デキスタラスな全身のロコ操作が可能である。 第2に、これらの参照を擬似手を用いたヒューマノイドのシミュレーションで実行し、従来のヒューマノイドトラッキングシステムを超えたスケールと多様性をカバーする物理ベースのジェネラリストトラッカーを訓練する。 第3に、私たちはデータフライホイールを閉じます。各ラウンドは、インタラクションの場所と、その動作方法に小さなタスク保存変更を施し、トラッカーを微調整し、シミュレートされた実行がタスクを完了した変種のみを保持し、次のラウンドをシードする。 さらなるイテレーションで、これらの小さな編集は、タスクのセマンティクスと動きの質を保ちながら、まばらなオリジナルのデモを包括的にカバーする。 実験では、ロボット構成間の接触保存リターゲティング、単一のジェネラリストポリシーによる広範追跡、拡張ラウンドで成長し続ける実行可能な動作、実際のロボットへの移動などが示されている。 InterMimicGenは、異種人間によるデモンストレーションから、ヒューマノイドロボット学習のための継続的な運動リソースへの統一されたパスを提供する。

関連論文リスト

• EgoAlign: Bridging the Human-Humanoid Gap for Long-Range Loco-Manipulation [30.557334389658166]
  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。
  論文  参考訳（メタデータ） (2026-09-29T17:18:42Z)
• 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)
• ZeroWBC: Learning Natural Visuomotor Humanoid Control Directly from Human Egocentric Video [52.78703020909145]
  我々は、人間中心のビデオから直接、自然なヒューマノイドビジュモータ制御ポリシーを学ぶ新しいフレームワークであるZeroWBCを紹介した。 提案手法はまず視覚言語モデル(VLM)を微調整し,テキスト命令とエゴセントリックな視覚コンテキストに基づく将来の身体全体の動作を予測する。 ユニツリーG1ヒューマノイドロボットの実験では,動作の自然性と汎用性において,本手法がベースラインアプローチより優れていることが示された。
  論文  参考訳（メタデータ） (2026-03-10T04:19:43Z)
• 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)
• 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)
• TWIST: Teleoperated Whole-Body Imitation System [28.597388162969057]
  全身動作模倣によるヒューマノイド遠隔操作システムTWISTについて述べる。 我々は,強化学習と行動クローニングを組み合わせた,頑健で適応的で応答性の高い全身制御装置を開発した。 TWISTは、現実世界のヒューマノイドロボットが、前例のない、多目的で、調整された全身運動能力を達成できるようにする。
  論文  参考訳（メタデータ） (2025-05-05T17:59:03Z)

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。