論文の概要: Precise SE(3) End-Effector Tracking in Whole-Body Humanoid Control

• arxiv url: http://arxiv.org/abs/2610.09479v1
• Date: Wed, 07 Oct 2026 05:34:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.737442
• Title: Precise SE(3) End-Effector Tracking in Whole-Body Humanoid Control
• Title（参考訳）: 全体ヒューマノイド制御における高精度SE(3)エンドエフェクタ追跡
• Abstract要約: ResGACは、正確なエンドエフェクターポーズトラッキングのための全身ヒューマノイドコントローラである。 GACは、構造化された$SE$タスク空間フィードバックを提供し、名目上の腕の関節位置目標を生成する。 残留RLは、非モデル化された力学を補償し、共有結合配置作用空間における運動と平衡の座標を補正する。
• 参考スコア（独自算出の注目度）: 18.9352104938442
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Precise end-effector tracking during humanoid whole-body motion is challenging due to floating-base oscillations, gravity, dynamic coupling, and locomotion-induced disturbances. We propose ResGAC, a whole-body humanoid controller for precise end-effector pose tracking that combines geometric admittance control (GAC) with residual reinforcement learning. GAC provides structured $\SE$ task-space feedback and generates nominal arm joint-position targets, while residual RL compensates for unmodeled dynamics and coordinates locomotion and balance in the shared joint-position action space. The left-invariant geometric formulation allows the same GAC law to be used across manipulation reference frames. This enables the use of a ground-attached heading frame that preserves planar locomotion while removing pelvis roll, pitch, and heave from the manipulation reference, thereby reducing reference-induced end-effector motion during locomotion. ResGAC is validated on a real Unitree G1 humanoid. Across four standing end-effector tracking benchmarks, ResGAC consistently outperforms representative baselines, including SONIC, achieving lower translational and rotational errors. Real-world experiments further demonstrate reduced propagation of pelvis motion to the desired end-effector pose using the proposed ground-attached heading frame. ResGAC achieves $90\%$ success in a standing peg-in-hole task compared with $50\%$ for SONIC, and accurate world-frame $\SE$ end-effector pose tracking during lower-body motion. Experimental videos are included in the supplementary material and are also available on the project website: https://resgac.github.io/ResGAC-website/.
• Abstract（参考訳）: 人体運動中の高精度なエンドエフェクタートラッキングは、浮動小数点振動、重力、動的結合、運動誘発障害により困難である。 本稿では,GACと残留強化学習を組み合わせた,高精度な終端ポーズトラッキングのための全身ヒューマノイドコントローラResGACを提案する。 GACは、構造化された$\SE$タスク空間フィードバックを提供し、名目上の腕の関節位置目標を生成する。 左不変な幾何学的定式化により、同じGAC法則を操作参照フレーム間で使用することができる。 これにより、操作基準から骨盤ロール、ピッチ、ヒーブを除去しながら平面移動を保存し、これにより、移動中の基準誘起エンドエフェクタ運動を低減できる接地方向フレームの使用が可能になる。 ResGACは実際のUnitree G1ヒューマノイド上で検証される。 4つのスタンディングエンドエフェクタトラッキングベンチマークで、ResGACはSONICを含む代表ベースラインを一貫して上回り、より低い翻訳エラーとローテーションエラーを達成している。 実世界の実験は、提案した接地方向フレームを用いて、所望のエンドエフェクターポーズへの骨盤運動の伝搬を減少させることを示した。 ResGACはスタンドアローンのペグ・イン・ホールのタスクで90セント、SONICは50セント、そして正確な世界フレームの$\SE$エンドエフェクターは下半身の動きでトラッキングされる。 実験ビデオは補足資料に含まれており、プロジェクトのWebサイト(https://resgac.github.io/ResGAC-website/)でも公開されている。

関連論文リスト

• Morphology-Aware Human Motion Retargeting for Wheeled-Humanoid Loco-Manipulation [3.1041072702135213]
  本稿では,マルチデータセット動作をガラクサR1車輪型ヒューマノイドのロコ操作動作に変換するパイプラインを提案する。 ロボットは平面式3輪ベースとシリアル胴体と2本の腕を持つが、脚の関節は持たない。 基準ツイスト駆動の計画層は、平面ベースの動きを連続した3輪ステアリングとローリングコマンドにデコードする。
  論文  参考訳（メタデータ） (2026-09-10T10:40:31Z)
• RASA: Disentangled Spatial-Motional Priors for Cross-Identity Character Animation [85.41886214825894]
  クロスアイデンティティキャラクタアニメーションは、基準画像からターゲットアイデンティティを駆動し、駆動ビデオからソースキャラクタの動きに従うことを目的としている。 本稿では,移動制御から空間マッピングを分離するフレームワークであるReference-Aware Structure Alignment (RASA)を紹介する。 我々の研究は、不整合空間と動きの先行がロバストなキャラクターアニメーションの鍵となることを示す新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2026-08-28T11:36:44Z)
• DemoBridge: A Simulation-in-the-Loop Toolkit for Single-View Human Demonstration Retargeting [49.70827726228219]
  このツールキットは、人間の手による実演のシングルビューRGBステレオ記録を、物理で検証可能なロボットアーム軌道に変換する。 DemoBridgeの中核は、衝突を意識した単一のプランナーである。 物理シミュレーターはループ内で動作し、生成した各フェーズを検証し、障害時にバックトラックするので、与えられたように再生できないデモは破棄されるのではなく、再計画される。
  論文  参考訳（メタデータ） (2026-07-10T15:31:04Z)
• Follow Your Track: Precise Skeleton Animation Controlled by 3D Trajectories [93.39170866007431]
  4Dジェネレーションは、3Dオブジェクトをリアルなモーションでアニメーション化することを目的としており、アプリケーションには大きな可能性を秘めている。 既存の方法は通常、モーション合成から3Dアセット生成を分離する。 トポロジ一般骨格アニメーションのための軌道条件付きフレームワークである textttACT について述べる。
  論文  参考訳（メタデータ） (2026-06-24T03:18:10Z)
• MoCapAnything V2: End-to-End Motion Capture for Arbitrary Skeletons [56.68975315643491]
  本稿では,ビデオ・ツー・ローテーションとビデオ・ツー・ローテーションを共同で学習し,最適化する,最初のエンドツーエンドフレームワークを提案する。 本手法は, メッシュベースパイプラインの20倍の速度で, 回転誤差を17度から10度, 見えない骨格では6.54度に低減する。
  論文  参考訳（メタデータ） (2026-04-30T17:16:38Z)
• HiWET: Hierarchical World-Frame End-Effector Tracking for Long-Horizon Humanoid Loco-Manipulation [43.43128572722804]
  我々は、ヒューマノイドのロコ操作におけるエンドエフェクタトラッキングとしてこの問題を再考する。 動的実行からグローバルな推論を分離する階層的強化学習フレームワークであるHiWETを提案する。 我々は,HuWETが長期のワールドフレームタスクにおいて,高精度かつ安定したエンドエフェクタトラッキングを実現することを示す。
  論文  参考訳（メタデータ） (2026-02-06T03:11:56Z)
• RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
  RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。 複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
  論文  参考訳（メタデータ） (2025-09-25T03:30:34Z)
• TrajBooster: Boosting Humanoid Whole-Body Manipulation via Trajectory-Centric Learning [79.59753528758361]
  両足のVLAを促進するために、豊富な車輪付きヒューマノイドデータを活用するクロス・エボディメント・フレームワークであるTrajBoosterを提案する。 私たちのキーとなる考え方は、形態素に依存しないインターフェースとして、エンドエフェクタ・トラジェクトリを使用することです。 以上の結果から,TrajBoosterは既存の車輪付きヒューマノイドデータにより,二足歩行ヒューマノイドVLAの性能を効率的に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2025-09-15T12:25:39Z)

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。