論文の概要: From Solo to Ensemble: A Hierarchical Framework for Composable Multi-Agent Human-Object Interaction

• arxiv url: http://arxiv.org/abs/2610.11722v1
• Date: Thu, 08 Oct 2026 11:24:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.969249
• Title: From Solo to Ensemble: A Hierarchical Framework for Composable Multi-Agent Human-Object Interaction
• Title（参考訳）: SoloからEnsembleへ: 構成可能な多エージェントヒューマンオブジェクトインタラクションのための階層的フレームワーク
• Abstract要約: 物理学に基づく人間と物体の相互作用は、堅牢な単一エージェント操作技術を達成した。 本稿では,単一エージェントのHOIポリシーを再利用可能なオブジェクト指向運動スキルに変換する階層型フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 30.74235271646434
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physics-based human-object interaction has achieved robust single-agent manipulation skills, yet extending them to multi-agent cooperative tasks remains challenging. Existing approaches typically adapt interaction policies through task-specific fine-tuning, which entangles low-level contact-rich execution with high-level coordination and limits reuse across object geometries, interaction types, and team sizes. We propose a hierarchical framework that converts a single-agent HOI policy into a reusable Object-oriented Motion Skill. Specifically, we reinterpret teacher rollouts as object-oriented action supervision by extracting short-horizon object-proxy motions from executed trajectories, and distill task-specific teachers into a low-level skill operating in an Object-oriented Action Space. For downstream tasks, the distilled skill is frozen as a reusable executor, while a high-level policy coordinates multiple agents by generating region-wise object-oriented actions conditioned on the shared object, task goal, agent states, and local manipulation regions. This formulation shifts multi-agent HOI learning from direct contact-rich full-body control to compact object-level proxy-motion coordination. Experiments on diverse HOI tasks show that the distilled Object-oriented Motion Skill supports robust proxy-motion execution and enables composable policy learning across different interaction types, object geometries, and team sizes.
• Abstract（参考訳）: 物理学に基づく人間と物体の相互作用は、堅牢な単一エージェント操作技術を達成したが、それらを多エージェント協調タスクに拡張することは依然として困難である。 既存のアプローチは、通常、タスク固有の微調整を通じてインタラクションポリシーを適用する。これは、低レベルなコンタクトリッチな実行と高レベルな調整、オブジェクトのジオメトリ、インタラクションタイプ、チームサイズの再利用を制限する。 本稿では,単一エージェントのHOIポリシーを再利用可能なオブジェクト指向運動スキルに変換する階層型フレームワークを提案する。 具体的には、教師のロールアウトを、実行された軌跡から短水平のオブジェクトプロキシ動作を抽出し、オブジェクト指向のアクション空間で動作する低レベルなスキルへと蒸留することで、オブジェクト指向のアクションインスペクションとして解釈する。 下流タスクでは、蒸留技術は再利用可能なエグゼキュータとして凍結され、高レベルポリシーは、共有オブジェクト、タスクゴール、エージェント状態、およびローカル操作領域に条件付けられた領域ワイドなオブジェクト指向アクションを生成して複数のエージェントを調整する。 この定式化は、マルチエージェントHOI学習を、直接接触に富んだフルボディ制御から、コンパクトなオブジェクトレベルのプロキシモーション調整へとシフトさせる。 多様なHOIタスクの実験は、蒸留されたオブジェクト指向のモーションスキルが堅牢なプロキシモーション実行をサポートし、さまざまなインタラクションタイプ、オブジェクトジオメトリ、チームサイズの構成可能なポリシー学習を可能にすることを示している。

関連論文リスト

• VAIC: Vision-Guided Humanoid Agile Object Interaction Control via Decoupled Commands [56.029505206531155]
  Vision Guided Agile Interaction Control (VAIC)は、現在のコントローラとヒューマノイドロボットのギャップを埋める統合フレームワークである。 まず、特権教師政策は、正確な物体運動学と正確な環境状態を用いて多様な相互作用スキルを習得する。 第二に、デプロイ可能な学生ポリシーは、全体追跡を複数の軸にまたがる速度目標に置き換えることで、これらの能力を蒸留する。
  論文  参考訳（メタデータ） (2026-06-08T09:52:55Z)
• SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy [59.86199649493784]
  制御可能な協調的ヒューマノイド操作は、インボディードインテリジェンスにとって根本的な問題である。 スケーラブルで物理的に妥当な協調操作を可能にするフレームワークであるSynAgentを提案する。 実験では、SynAgentは協調模倣と軌道条件制御の両方において既存のベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-04-20T17:46:20Z)
• TeamHOI: Learning a Unified Policy for Cooperative Human-Object Interactions with Any Team Size [54.0714652192002]
  物理に基づくヒューマノイド制御は、現実的でハイパフォーマンスな単一エージェントの動作を可能にするために顕著な進歩を遂げた。 我々は,複数の協力エージェント間で協調的なHOIを処理するための,単一の分散政策を実現するためのフレームワークであるTeamHOIを提案する。
  論文  参考訳（メタデータ） (2026-03-09T05:52:13Z)
• CooHOI: Learning Cooperative Human-Object Interaction with Manipulated Object Dynamics [44.30880626337739]
  CooHOIはマルチヒューマノイド物体輸送問題の解決を目的としたフレームワークである。 単一のヒューマノイドキャラクタは、人間の動きの先行から模倣学習を通じてオブジェクトと対話することを学ぶ。 そして、ヒューマノイドは、操作対象の共有ダイナミクスを考慮し、他人と協調することを学ぶ。
  論文  参考訳（メタデータ） (2024-06-20T17:59:22Z)
• Unified Human-Scene Interaction via Prompted Chain-of-Contacts [61.87652569413429]
  HSI(Human-Scene Interaction)は、AIや仮想現実といった分野において重要なコンポーネントである。 本稿では,言語コマンドによる多様なインタラクションの統一制御を支援する統一型HSIフレームワークUniHSIを提案する。
  論文  参考訳（メタデータ） (2023-09-14T17:59:49Z)
• Multi-Level Compositional Reasoning for Interactive Instruction Following [24.581542880280203]
  多レベル合成共鳴剤(MCR-Agent) 最上位レベルでは、高レベルポリシー構成制御器による言語命令に基づいて、人間の解釈可能なサブゴールのシーケンスを推測する。 中間レベルでは、ナビゲーションポリシーと様々な独立したインタラクションポリシーを交互に切り替えることで、エージェントのナビゲーションをマスターポリシーで識別的に制御する。 最も低いレベルでは、適切なインタラクションポリシーを用いて、対応するオブジェクトマスクによる操作動作を推論する。
  論文  参考訳（メタデータ） (2023-08-18T08:38:28Z)
• CLAS: Coordinating Multi-Robot Manipulation with Central Latent Action Spaces [9.578169216444813]
  本稿では,異なるエージェント間で共有される学習された潜在行動空間を通じて,マルチロボット操作を協調する手法を提案する。 シミュレーションされたマルチロボット操作タスクにおいて本手法を検証し,サンプル効率と学習性能の観点から,従来のベースラインよりも改善したことを示す。
  論文  参考訳（メタデータ） (2022-11-28T23:20:47Z)

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。