論文の概要: Embodiment-Aware Inference-Time Search for Human Reaction Selection in Humanoid Retargeting

• arxiv url: http://arxiv.org/abs/2610.15274v1
• Date: Sun, 11 Oct 2026 02:09:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 01:50:56.891364
• Title: Embodiment-Aware Inference-Time Search for Human Reaction Selection in Humanoid Retargeting
• Title（参考訳）: ヒューマノイドリターゲティングにおける人為的反応選択のための身体認識型推論時間探索
• Abstract要約: 人間の行動を学ぶためのヒューマノイドロボットの訓練には、高価なデータ収集が必要である。 人間から人間への運動は、よりスケーラブルな代替手段を提供し、人間と人間の反応データが共通の運動表現として機能できるようにする。 本稿では, 生成反応モデルからのサンプリングを生かし, 反応品質とヒューマノイドの実施可能性について共同で検討する。
• 参考スコア（独自算出の注目度）: 2.0391237204597368
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Training humanoid robots to learn human behaviors requires expensive data collection, and human-robot interaction data can be even more difficult and costly to collect. Training a specialized reaction model for each humanoid embodiment can also be time-consuming and resource-intensive. Human-to-humanoid motion retargeting provides a more scalable alternative, allowing human-human reaction data to serve as a common motion representation for different humanoid embodiments. However, due to morphological and kinematic differences between humans and humanoid robots, a reaction preferred in human motion space may not be the most suitable one for execution on a particular robot embodiment. In this work, we propose an inference-time reaction search framework that leverages stochastic sampling from a generative reaction model and jointly considers reaction quality and humanoid embodiment feasibility. Given the observed interaction, our framework generates multiple plausible reaction candidates. Each candidate is retargeted to the target humanoid and evaluated using complementary interaction and embodiment-specific feasibility criteria, allowing candidate selection under the physical constraints of the target embodiment. Since the reaction generator remains frozen, the framework can adapt to different humanoid embodiments at inference time without retraining. Experimental results demonstrate that the proposed framework maintains overall human reaction quality while improving the feasibility of retargeted humanoid reactions across different embodiments. The proposed pipeline improves humanoid retargeting feasibility by 1.61%. Moreover, human-space and G1 best-candidate selections disagree in 78.98% of samples, demonstrating substantial embodiment dependence. Code will be released.
• Abstract（参考訳）: 人間の行動を学ぶためのヒューマノイドロボットの訓練には、高価なデータ収集が必要である。 それぞれのヒューマノイドエンボディメントに対して特別な反応モデルを訓練することは、時間と資源を消費することもある。 ヒトからヒトへの運動再ターゲティングは、よりスケーラブルな代替手段を提供し、ヒトとヒトの反応データが、異なるヒューマノイドのエンボディメントの共通の運動表現として機能することを可能にする。 しかしながら、ヒトとヒューマノイドロボットの形態的および運動学的差異により、人間の運動空間において好まれる反応は、特定のロボットの実施に適した反応ではないかもしれない。 本研究では、生成反応モデルからの確率的サンプリングを活用し、反応品質とヒューマノイドの実施可能性について共同で検討する推論時反応探索フレームワークを提案する。 観察された相互作用から,本フレームワークは複数の有効な反応候補を生成する。 各候補は対象ヒューマノイドに再ターゲティングされ、補完的相互作用と実施固有の実現可能性基準を用いて評価され、対象実施者の身体的制約下での候補選択が可能である。 反応生成物は凍結しているため、フレームワークは再学習することなく、推論時に異なるヒューマノイド態様に適応することができる。 実験により, 本フレームワークは, 異なる実施形態におけるリターゲット型ヒューマノイド反応の実現可能性を改善しつつ, 全体的なヒト反応品質を維持していることが示された。 提案したパイプラインは、ヒューマノイド再ターゲティングの実現可能性を1.61%改善する。 さらに、ヒト空間とG1の最良の候補選択は78.98%のサンプルでは一致せず、かなりのエンボディメント依存を示す。 コードはリリースされる。

関連論文リスト

• Unified Motion Retargeting for Humanoids with Learned Point Cloud Correspondence [24.060385614379783]
  我々は,手動で設計した人間ロボットマッピングを必要とせずに,高密度のクラウド対応を学習するフレームワークであるUnified Motion Retargeting(UMR)を提案する。 UMRは最先端の手法よりも動きの忠実度と妥当性が高い。
  論文  参考訳（メタデータ） (2026-09-02T05:43:19Z)
• AnyWorld: Factorized Egocentric World Models for Cross-Embodiment Generalization [88.25615187835321]
  我々は,クロス・エボディメント・ワールド・モデリング・フレームワークであるAnyWorldを提案する。 私たちのモデルは、アクション、カメラ、エンボディメントへのインタラクションを分解します。 大規模なヒューマンインタラクション事前トレーニングでモデルをトレーニングする。
  論文  参考訳（メタデータ） (2026-08-29T12:55:15Z)
• Human2Humanoid: Physics-Aware Cross-Morphology Motion Retargeting for Humanoid Robots [9.096721498763717]
  人間の動きをヒューマノイドロボットに再ターゲティングすることは、遠隔操作、模倣学習、人間とロボットの相互作用にとって重要である。 本稿では,人間の動作を高忠実度なヒューマノイドロボットに伝達する,教師なし動作フレームワークであるHuman2Humanを提案する。 実験の結果, 提案手法は, ペアデータを持たないユニトリーG1ヒューマノイドロボットに対して, 人間の動きを的確に再現することに成功した。
  論文  参考訳（メタデータ） (2026-06-02T10:53:06Z)
• Towards Motion Turing Test: Evaluating Human-Likeness in Humanoid Robots [54.54929302887405]
  15のアクションカテゴリにまたがる1000のモーションシーケンスからなるHuman-Humanoid Motionデータセットを提案する。 すべてのモーションシーケンスは、視覚的外観の影響を排除するためにSMPL-X表現に変換される。 収集したデータから、ヒューマノイドの動きが人間の動きと顕著なずれを示すことが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-06T11:40:56Z)
• AdaMorph: Unified Motion Retargeting via Embodiment-Aware Adaptive Transformers [49.796014934503184]
  本研究では、単一モデルで多様なロボット形態に人間の動きを適応させることができる統一型ニューラルネットワークフレームワークを提案する。 12個の異なるヒューマノイドロボットの実験結果から、AdaMorphが異種トポロジにわたって効果的に制御できることが示されている。
  論文  参考訳（メタデータ） (2026-01-12T07:39:38Z)
• Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis [51.95817740348585]
  Human-Xは、様々な実体をまたいだ没入的で物理的に妥当なヒューマンインタラクションを可能にするために設計された、新しいフレームワークである。 本手法は, 自己回帰型反応拡散プランナを用いて, リアルタイムに反応と反応を同時予測する。 我々のフレームワークは、人間とロボットのインタラクションのための仮想現実インターフェースを含む、現実世界のアプリケーションで検証されている。
  論文  参考訳（メタデータ） (2025-08-04T06:35:48Z)
• ReGenNet: Towards Human Action-Reaction Synthesis [87.57721371471536]
  我々は、人間と人間の相互作用の非対称、動的、同期、および詳細な性質を分析する。 本研究では,人間の行動に条件付けされた人間の反応を生成するための,最初のマルチセットヒト行動反応ベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-03-18T15:33:06Z)
• Enhanced Human-Robot Collaboration using Constrained Probabilistic Human-Motion Prediction [5.501477817904299]
  本研究では,人間の関節の制約とシーンの制約を組み込んだ新しい動き予測フレームワークを提案する。 人間の腕のキネマティックモデルでテストされ、UR5ロボットアームと人間とロボットの協調的な設定で実装されている。
  論文  参考訳（メタデータ） (2023-10-05T05:12:14Z)

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。