論文の概要: EgoExplorer: A Vision-Motion-Touch Observatory for Human Loco-Manipulation In Situ
- arxiv url: http://arxiv.org/abs/2610.18872v1
- Date: Tue, 13 Oct 2026 17:59:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:18:55.539614
- Title: EgoExplorer: A Vision-Motion-Touch Observatory for Human Loco-Manipulation In Situ
- Title（参考訳）: EgoExplorer:人間のロコ操作のためのビジョン・モーション・タッチ・オブザーバ
- Abstract要約: EgoExplorerは、ウェアラブルシステムで構築された人間のロボ操作の100時間の視覚モーションタッチ観測所である。
プロの活動に重点を置いて、その連続的な録音は、エゴセントリックなビデオと、再構築された全身の動きとを一致させる。
我々は,このカバーをスパースボディセンシングで実現するために,Calibrate-Complete-Constrainパイプラインを開発した。
- 参考スコア（独自算出の注目度）: 67.89251850608498
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Learning humanoid loco-manipulation from human demonstrations rests on observing how locomotion, posture, and object interaction evolve together as tasks unfold. Scaling collection across diverse environments, in turn, favors lightweight, portable capture systems. Yet, existing datasets provide only partial views of this coordination. Thus, we introduce EgoExplorer, a 100-hour vision-motion-touch observatory of human loco-manipulation built with a wearable system. With an emphasis on professional activities, its continuous recordings align egocentric video with reconstructed whole-body motion, fine-grained finger articulation, and tactile observations, accompanied by step-level descriptions. To achieve this coverage with sparse body sensing, we develop the Calibrate-Complete-Constrain pipeline. Concretely, reusable calibration fixes participant geometry and sensor attachments before motion inference to disentangle mounting offsets from articulation. A temporal prior then completes unobserved joint motion, while layered constraints promote measurement agreement, temporal continuity, and geometric consistency, properties that motion plausibility alone does not guarantee. Against tracker-fitted references, the method reduces body-point error by 71.9% relative to the strongest baseline; matched evaluations also show gains in hand stability and contact estimation. Preliminary studies explore multimodal generation and conditioning alongside humanoid retargeting with whole-body control in simulation.
- Abstract（参考訳）: 人間のデモからヒューマノイドのロコ操作を学ぶことは、タスクが展開するにつれて、移動、姿勢、オブジェクトの相互作用がどのように進化するかを観察することに集中する。
多様な環境にまたがってコレクションをスケールすることは、軽量でポータブルなキャプチャシステムを好む。
しかし、既存のデータセットはこの調整に関する部分的なビューのみを提供する。
そこで我々は,ウェアラブルシステムで構築したロボット操作の100時間視覚モーションタッチ観測装置であるEgoExplorerを紹介した。
プロの活動に重点を置いて、その連続的な録音は、ステップレベルの記述を伴う、自己中心的なビデオと、再構築された全身の動き、きめ細かい指の関節、触覚観察とを一致させる。
スパースボディーセンシングによるこのカバレッジを実現するため,我々はCalibrate-Complete-Constrainパイプラインを開発した。
具体的には、再利用可能なキャリブレーションは、動き推論の前に参加者の幾何学とセンサーのアタッチメントを修正し、調音からオフセットをアンタングルする。
時間的事前は観測されていない関節運動を完了させるが、階層的制約は測定の一致、時間的連続性、幾何学的整合性を促進する。
トラッカーに適合した基準に対して、この手法は最強ベースラインに対するボディーポイント誤差を71.9%削減する。
シミュレーションにおいて,ヒューマノイドリターゲティングと全身制御を併用したマルチモーダル生成と条件付けについて予備的検討を行った。
関連論文リスト
- EgoAlign: Bridging the Human-Humanoid Gap for Long-Range Loco-Manipulation [30.557334389658166]
EgoAlignは、エゴセントリックな人間のデモをアクションに変換し、汎用的で連続的なボディコントローラと互換性のある状態の監視を行う。
上半身の相互作用の幾何に適応しながら、視覚的にガイドされた周期的なステップの参照を保存する。
最終因果リプレイは、人間の観察によるトレーニングのための対応するロボット状態とモーション・トーケン・ラベルを再構成する。
論文 参考訳（メタデータ） (2026-09-29T17:18:42Z) - Everybody Tracking Every Body [54.76361724681694]
本研究では,集中的な協調を伴う自我中心的な視点から対話する複数の人物の3次元身体ポーズ推定の問題に対処する。
この動画をVIO SLAMで処理することで、宇宙空間におけるそれぞれの自撮りカメラの高品質な追跡が可能になる。
本研究では,頭部の動きに基づくポーズ推定と遠心性ポーズ観測を融合した拡散型アプローチを提案する。
論文 参考訳（メタデータ） (2026-08-30T17:42:15Z) - ACE-Data-0: Human-Centric Ambient Capture as Embodied Data Engine [83.02804728003862]
Ambient Capture Engine (ACE)は、実家環境を空間的に、時間的に同期されたレコーディングスタジオに変換する。
ACEは、エゴセントリックでマルチビューのエクソセントリックなビデオ、フルボディと手の動き、オブジェクト幾何学と6-DoF軌道、オーディオ、信号を、統一されたマルチ感覚ストリームとして記録する。
データセットは、原子操作、家庭活動の長い水平鎖、人間とシーンの相互作用にまたがっており、ステップバイステップの指示よりもゴールレベルの自然な振る舞いを保っている。
論文 参考訳（メタデータ） (2026-07-30T17:59:50Z) - AnchorWorld: Embodied Egocentric World Simulation with View-based Evolution Customization [79.26935895370191]
AnchorWorldは、対話の整合性を強化することで、エゴセントリックなシミュレーションを促進するフレームワークである。
補助訓練監督は、エージェントのファーストパーソンセンタリウムから切り離された視点を取り入れている。
我々は、自己進化する世界をカスタマイズするためのシンプルで効果的なメカニズムを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:43:13Z) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳（メタデータ） (2026-03-03T18:59:29Z) - Hand-Aware Egocentric Motion Reconstruction with Sequence-Level Context [17.735273173582716]
本稿では,頭部軌跡と間欠的に見える手探触子を直接条件とする,最初の手認識型シーケンスレベルの拡散フレームワークHaMoSを提案する。
また, 身体形状や視野といったシーケンスレベルのコンテキストが, 正確な運動再構成に不可欠であることを示す。
論文 参考訳（メタデータ） (2025-12-22T11:26:41Z)
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。