論文の概要: Belief-Overlap Partial Inversion: Object-Centric Flow Replanning for Humanoid Loco-Manipulation
- arxiv url: http://arxiv.org/abs/2610.13087v1
- Date: Fri, 09 Oct 2026 06:40:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.434413
- Title: Belief-Overlap Partial Inversion: Object-Centric Flow Replanning for Humanoid Loco-Manipulation
- Title（参考訳）: Belief-Overlap部分インバージョン:Humanoid Loco-Manipulationのためのオブジェクト中心フローのリプランニング
- Abstract要約: 本研究は, 当初, 質量およびキャスター硬さが不明なカートを押すヒューマノイドについて検討した。
オブジェクト中心のフレームワークは、オンライン見積もり、フローベースの計画、全身制御をループに閉じます。
- 参考スコア（独自算出の注目度）: 3.880793444372675
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: People often learn how an unfamiliar object moves through a small exploratory push, using its response to guide their next motion. Inspired by this behavior, we study humanoids pushing carts whose mass and caster stiffness are initially unknown. Our object-centric framework closes online estimation, flow-based planning, and whole-body control into a loop, creating a tension: replacing the plan whenever the belief shifts disrupts the maneuver under way, while keeping it strands the robot on a path its evidence has ruled out. Belief-Overlap Partial Inversion (BOPI) scales revision to agreement, inverting the flow under the old belief only as far as the beliefs disagree before reconstructing under the new one. Across 18 simulated goals it lowers pooled final position and yaw error by roughly 33% and 47% against fixed-depth replanning, and on hardware it translates and turns a non-holonomic cart.
- Abstract（参考訳）: 人々はよく、馴染みの無い物体が、その反応を使って次の動きを案内する小さな探索的なプッシュをどう動くかを学ぶ。
この挙動に触発されて、当初は質量と鋳物の硬さが不明なカートを押すヒューマノイドの研究を行った。
私たちのオブジェクト中心のフレームワークは、オンラインの見積もり、フローベースの計画、そして全身のコントロールをループに閉じ、緊張を生み出します。
ブリーフ・オーバーラップ部分反転(BOPI)は、旧来の信念の下での流れを逆転させ、新しい信念の下で再構築する前に意見が一致しない限り、修正を合意にスケールする。
シミュレーションされた18の目標に対して、プールされた最終位置とヨーエラーを、固定深度の再計画に対して約33%と47%減らし、ハードウェア上では非ホロノミックカートを翻訳して回転させる。
関連論文リスト
- Learning to Explore Hidden Kinematics for Articulated Object Manipulation [28.558319266417783]
調音対象のキネマティクスの理論は、視覚だけでは曖昧であることが多い。
能動的知覚法は、各ステップにおける運動パラメータについての信念を最も鋭くする単一の行動を探すことでこれを活用している。
観察された部分運動のベイズフィルタにより, 生成前と更新後から, 関節型およびパラメータに対する信念分布を維持できる。
我々は、強化学習でポリシーを訓練し、各相互作用が後部から取り除かれるエントロピーに報いる。
論文 参考訳（メタデータ） (2026-09-29T02:41:29Z) - Traceable Human-to-Humanoid Sign Language Benchmarking [87.8147609048596]
ヒューマノイド署名は、ビデオから派生した人間の動きを、言語的な動きの手がかりを保持しながらロボットの軌跡に変換する必要がある。
我々は20,648の文レベルの中国語手話列のデータセットとベンチマークであるHuoidCSL-20Kを紹介する。
論文 参考訳（メタデータ） (2026-09-27T08:24:57Z) - Receding-Horizon Pushing with Composable Object-Centric Policies [16.247056453373407]
フィードバック誘導型階層型フレームワークにおいて,オブジェクト中心のプッシュポリシを提案する。
低いレベルでは、学習ベースのポリシーは、ポーズとスケール正規化ポイントクラウドからコンタクトアクションを予測する。
高いレベルでは、BIT$*$が最初に対象経路を探索し、次にいくつかのサブゴールが接触予測とロボットの動き計画によってチェックされる。
論文 参考訳（メタデータ） (2026-09-20T08:15:57Z) - Grasping by interconnection: robust closing motions from coarse object templates [0.0]
劣悪なロボットの手は、形状、大きさ、ポーズがほとんど知られていない物体をつかむ必要がある。
本稿では,閉運動が単独でどれだけ不正確かという問題に対処する4つの原理に基づく運動プランナを提案する。
フィードバックなしでは、計画された閉鎖運動は、約1cmの大きさの誤差を許容し、数cmの誤差を生じさせ、27の試験条件のうち25の試験条件において、最先端のデータ駆動プランナーよりも広い範囲に到達した。
論文 参考訳（メタデータ） (2026-09-16T14:41:31Z) - 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) - Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。
31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
論文 参考訳（メタデータ） (2025-12-08T11:42:41Z) - From Language to Locomotion: Retargeting-free Humanoid Control via Motion Latent Guidance [55.31807046722006]
既存の言語誘導型ヒューマノイドパイプラインは面倒で信頼できない。
本稿では,言語を基盤とした動作潜伏者に対してヒューマノイドポリシーを規定する言語フリーフレームワークであるRoboGhostを紹介する。
我々は,RoboGhostがデプロイメントの遅延を大幅に低減し,成功率と精度を向上し,スムーズでセマンティックに整合したヒューマノイドを生成することを示す。
論文 参考訳（メタデータ） (2025-10-16T17:57:47Z) - Learning to Throw-Flip [11.364182432162863]
本稿では,ロボットが所望の着地ポーズに対して,オブジェクトを正確に「スローフリップ」することができる方法を提案する。
我々は寄生虫の回転を効果的に分離する投球運動の族を設計する。
私たちのフレームワークは、数十の試行において、ポーズターゲットにオブジェクトを投げる(pm$5 cm, $pm$45 °)ことができる。
論文 参考訳（メタデータ） (2025-10-11T22:18:09Z) - Gravity-Aware Monocular 3D Human-Object Reconstruction [73.25185274561139]
本稿では,共同マーカーレス3次元モーションキャプチャとモノクロRGB映像からの物体軌跡推定のための新しい手法を提案する。
自由飛行中に部分的に観察された物体を含むシーンに焦点を当てた。
実験では, 各種計測値を用いた3次元モーションキャプチャにおいて, 最先端の精度を実現する。
論文 参考訳（メタデータ） (2021-08-19T17:59:57Z)
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。