論文の概要: PriMoRetarget: Humanoid Motion Transfer Through Prioritized Motion Retargeting

• arxiv url: http://arxiv.org/abs/2610.12642v1
• Date: Thu, 08 Oct 2026 19:03:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.25458
• Title: PriMoRetarget: Humanoid Motion Transfer Through Prioritized Motion Retargeting
• Title（参考訳）: PriMoRetarget: 優先順位付けされたモーションリターゲティングによるヒューマノイドモーショントランスファー
• Abstract要約: モーションは、人間のモーションデータをヒューマノイドロボットに転送するための重要な前処理ステップである。 相対目標重みを明示的な優先度階層に置き換える動き再ターゲティングフレームワークを提案する。 本手法は, シングルキャラクタ動作, キャラクタオブジェクト操作, キャラクタ-キャラクタインタラクションを対象とする4つのデータセットで評価する。
• 参考スコア（独自算出の注目度）: 10.072302570757573
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Motion retargeting is a critical preprocessing step for transferring human motion data to humanoid robots. While existing methods are effective for single-character motions, interactions involving multiple characters and objects introduce additional contacts and spatial relationships that must be preserved. Retargeting is commonly formulated as a weighted multi-objective optimization problem, where conflicting objectives can require careful tuning of relative weights and can still compromise important motion characteristics. We introduce PriMoRetarget, a prioritized motion-retargeting framework that replaces relative objective weighting with an explicit priority hierarchy. Lower-priority updates are constrained to preserve higher-priority objectives, allowing critical characteristics such as foot placement and interaction contacts to take precedence over lower-priority pose objectives. The method is evaluated on four datasets spanning single-character motion, character-object manipulation, and character-character interactions. The resulting motions better preserve task-relevant interactions and provide reference trajectories that can be tracked more reliably than those produced by widely used retargeting methods.
• Abstract（参考訳）: モーションリターゲティングは、人間のモーションデータをヒューマノイドロボットに転送するための重要な前処理ステップである。 既存の手法は単一文字の動きに有効であるが、複数の文字や物体を含む相互作用は、保存しなければならない追加の接触や空間的関係をもたらす。 リターゲティングは一般に重み付けされた多目的最適化問題として定式化されており、対立する目的は相対重みの注意深い調整を必要とし、重要な運動特性を損なうことができる。 相対的目的重み付けを明示的な優先度階層に置き換える,優先順位付けされた動き再ターゲティングフレームワークであるPriMoRetargetを紹介する。 低優先度更新は、高優先度の目的を維持するために制約され、低優先度のポーズの目的よりも、足の配置や相互作用の接触といった重要な特徴が優先される。 本手法は, シングルキャラクタ動作, キャラクタオブジェクト操作, キャラクタ-キャラクタインタラクションを対象とする4つのデータセットで評価する。 結果として生じる動きはタスク関連相互作用をよりよく保存し、広く使われているリターゲティング法よりも確実に追跡できる参照軌道を提供する。

関連論文リスト

• ReFM: Semantic-Aware Refinement Flow Model for Motion Retargeting [3.017249428495667]
  動作は、意味的意図と身体的妥当性を維持しながら、異なる骨格構造を持つ文字間で動きを伝達する。 ReFMは、プログレッシブ・リファインメントとして運動を再構成する、ソースに依存しないエネルギー・メッシュモデルである。
  論文  参考訳（メタデータ） (2026-09-25T23:06:25Z)
• IMU-HOI: A Symbiotic Framework for Coherent Human-Object Interaction and Motion Capture via Contact-Conscious Inertial Fusion [10.990146444777857]
  慣性測定ユニット(IMU)は、視線要求のない魅力的な代替手段を提供する。 既存のIMUベースのモーションキャプチャは、孤立した人間を仮定し、オブジェクトの接触やダイナミクスを無視する。 IMU-HOIは全身の人間のポーズと6-DoFオブジェクトの軌跡を体と物体のスパースIMUから共同で回収する新しいフレームワークである。
  論文  参考訳（メタデータ） (2026-06-26T20:52:54Z)
• Stability-Driven Motion Generation for Object-Guided Human-Human Co-Manipulation [16.622175523077917]
  コマニピュレーションでは、複数の人間が動きを共有オブジェクトと同期させる必要がある。 既存のモーションジェネレーションアプローチのほとんどは、ペイロードによって引き起こされるダイナミクスを考慮していない。 本稿では,生成したコマニピュレーション動作が意図した目標と一致することを保証するフローマッチングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-22T08:31:40Z)
• Unleashing Guidance Without Classifiers for Human-Object Interaction Animation [54.24065561632133]
  従来の拡散に基づくアプローチは、しばしば接触品質を改善するために手作りの接触先行や人為的なキネマティック制約に頼っている。 そこで本研究では,手作業による事前設計への依存を軽減し,手作業による指導を段階的に行うデータ駆動型代替手法を提案する。 このデータ駆動型ガイダンスは本質的に接触認識であり,広い範囲の合成対象測地でトレーニングを行う際に拡張可能である。
  論文  参考訳（メタデータ） (2026-03-26T17:59:34Z)
• InterPrior: Scaling Generative Control for Physics-Based Human-Object Interactions [58.329946838699044]
  人間は、明示的な全身運動のレベルで、物体と全身の相互作用を計画することは滅多にない。 このような事前のスケーリングは、ヒューマノイドがロコ操作スキルの構築と一般化を可能にする鍵となる。 我々は,強化学習による大規模模倣事前学習とポストトレーニングを通じて,統合生成コントローラを学習するフレームワークであるInterPriorを紹介する。
  論文  参考訳（メタデータ） (2026-02-05T18:59:27Z)
• Decoupled Generative Modeling for Human-Object Interaction Synthesis [35.78156236836254]
  既存のアプローチでは、しばしば手動で指定した中間のウェイポイントを必要とし、最適化の目的を1つのネットワークに配置する。 DecHOI(Decoupled Generative Modeling for Human-Object Interaction Synthesis)を提案する。 軌道生成装置は、まず、所定のウェイポイントを伴わずに人や物体の軌道を生成し、これらの経路に作用生成条件を設けて詳細な動作を合成する。
  論文  参考訳（メタデータ） (2025-12-22T05:33:59Z)
• 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)
• Motion Transformer with Global Intention Localization and Local Movement Refinement [103.75625476231401]
  動き TRansformer (MTR) は、大域的意図の局所化と局所的な動きの洗練の合同最適化として、動き予測をモデル化する。 MTRは、限界運動予測と関節運動予測の両方において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2022-09-27T16:23:14Z)
• Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
  本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。 入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。 実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
  論文  参考訳（メタデータ） (2021-09-15T17:05:02Z)

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。