論文の概要: $λ_0$: Scaling Open-World Egocentric Human Data for Humanoid Loco-Manipulation

• arxiv url: http://arxiv.org/abs/2610.18950v2
• Date: Wed, 21 Oct 2026 08:38:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:05.95072
• Title: $λ_0$: Scaling Open-World Egocentric Human Data for Humanoid Loco-Manipulation
• Title（参考訳）: λ_0$:Humanoid Loco-ManipulationのためのオープンワールドEgocentric Human Dataのスケーリング
• Abstract要約: ヒューマノイド・ロコ・マニピュレーションは身体の世界との協調的な相互作用を必要とするが、ロボットのデモを大規模に収集するにはコストがかかる。 HumanVerseは、人体と手の動きを伴うエゴセントリックなビデオの、オープンワールドなロコ操作ペアリングのデータセットである。 我々の人間から人間へのパイプラインは、カメラの視点と腕の外観を一致させ、モーションリファレンスを洗練させ、コントローラの入力をオフラインにして、エンドエフェクタエラーを減らす。
• 参考スコア（独自算出の注目度）: 30.82832348765787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid loco-manipulation requires coordinated whole-body interaction with the physical world, yet collecting robot demonstrations at scale remains costly. Human demonstrations offer a scalable alternative, but existing egocentric human supervision often omits locomotion and posture, while embodiment differences and controller dynamics hinder accurate end-effector execution. We introduce HumanVerse, a 500-hour dataset of open-world human loco-manipulation pairing egocentric video with synchronized body and hand motion. Our human-to-humanoid pipeline aligns camera viewpoints and arm appearance, and refines motion references and controller inputs offline to reduce end-effector errors while preserving whole-body coordination. We validate the pipeline through zero-shot transfer to Unitree G1 on representative whole-body manipulation and long-range loco-manipulation tasks, without target-task robot demonstrations. Building on this pipeline, we develop $λ_0$, a humanoid foundation model for whole-body loco-manipulation, with robot-aligned human demonstrations providing supervision for mid-training. Increasing whole-body human data consistently improves downstream task progress. $λ_0$ achieves 90.0% success on SIMPLE and 62.5% across real-world loco-manipulation tasks. We expect this study to guide scalable whole-body human data collection toward humanoid foundation models for richer interaction with the physical world. Homepage: https://lambdahumanoid.github.io/
• Abstract（参考訳）: ヒューマノイド・ロコ・マニピュレーションは身体の世界との協調的な相互作用を必要とするが、ロボットのデモを大規模に収集するにはコストがかかる。 人間のデモはスケーラブルな代替手段を提供するが、既存の自我中心の人間の監督は、しばしば移動と姿勢を省略する。 我々はHumanVerseを紹介した。HumanVerseは、オープンワールドの人間のロコ操作ペアリングエゴセントリックビデオの500時間データセットで、人体と手の動きを同期させる。 我々の人間対人パイプラインは、カメラの視点と腕の外観を調整し、モーションリファレンスとコントローラー入力をオフラインで洗練し、身体全体の調整を保ちながら、エンドエフェクタエラーを減らす。 我々は,Unitree G1へのゼロショット転送によるパイプラインの検証を行った。 このパイプライン上に構築したλ_0$は,体全体を操作できるヒューマノイド基礎モデルである。 人体全体のデータの増加は、ダウンストリームタスクの進捗を継続的に改善します。 $λ_0$はSIMPLEで90.0%、実世界のロコ操作タスクで62.5%を達成している。 本研究は, 拡張性のある人体データ収集をヒューマノイド基礎モデルへ誘導し, 物理世界とのよりリッチなインタラクションを実現することを期待する。 ホームページ: https://lambdahumanoid.github.io/

関連論文リスト

• InterMimicGen: Scaling Humanoid Loco-Manipulation through Self-Evolving Motion Imitation [51.061592469527966]
  自己進化型モーションアニメーションフレームワークであるInterMimicGenを紹介する。 まず、モーションキャプチャーされた人間と物体の相互作用を統合し、それらをヒューマノイドロボットの参照に再ターゲットする。 第2に,人間の手によるシミュレーションにおいて,これらの参照を実行する物理に基づくジェネラリストトラッカーを訓練する。 第3に、データフライホイールを閉じます。各ラウンドは、インタラクションの発生場所と動作方法に小さなタスク保存変更を施し、トラッカーを微調整し、シミュレートされた実行がタスクを完了した変種のみを保持する。
  論文  参考訳（メタデータ） (2026-10-05T17:59:50Z)
• Towards a General Humanoid Loco-Manipulation Model via Egocentric Whole-Body Human Data Pretraining [52.5433937516238]
  ヒューマノイド全体の操作は急速に進歩し、運動、姿勢、双方向の相互作用、手の動きを協調するポリシーが実現された。 エゴセントリックなヒューマンビデオは、オブジェクトやシーン間の日々のインタラクションのさまざまな例を提供し、ロボット操作なしでスケーラブルな監視を提供する。 我々は,オープンワールド環境における多様なロボット操作行動の500時間データセットであるHumanVerse-500を紹介する。
  論文  参考訳（メタデータ） (2026-09-30T17:25:16Z)
• 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)
• Human-as-Humanoid: Enabling Zero-Shot Humanoid Learning from Ego-Exo Human Videos with Human-Aligned Embodiments [32.61025334275917]
  ヒト・アス・ヒューマノイド(Humanoid as-Humanoid)は、ヒトからヒトへのハイDoFヒューマノイドの監視フレームワークである。 大規模な人間のデモンストレーションを、対象のヒューマノイドに対する実行可能な観察-アクション監視に変換する。 Humanoidは、データ収集分析において、ヒューマノイド遠隔操作よりも4.8--7.2倍の生のデモンストレーション言語ゲインが得られる。
  論文  参考訳（メタデータ） (2026-06-30T17:44:16Z)
• HumanEgo: Zero-Shot Robot Learning from Minutes of Human Egocentric Videos [58.9564236347451]
  HumanEgoは、人間とロボットのエンボディメントギャップを橋渡しするフレームワークである。 それは、人間のデモを、手動オブジェクトの相互作用の実体レベルの表現へと持ち上げる。 HumanEgoは、ロボットのデータフリー、ハードウェア非依存、データ効率、ゼロショットの人間とロボットの転送を可能にする。
  論文  参考訳（メタデータ） (2026-05-24T08:26:41Z)
• ZeroWBC: Learning Natural Visuomotor Humanoid Control Directly from Human Egocentric Video [52.78703020909145]
  我々は、人間中心のビデオから直接、自然なヒューマノイドビジュモータ制御ポリシーを学ぶ新しいフレームワークであるZeroWBCを紹介した。 提案手法はまず視覚言語モデル(VLM)を微調整し,テキスト命令とエゴセントリックな視覚コンテキストに基づく将来の身体全体の動作を予測する。 ユニツリーG1ヒューマノイドロボットの実験では,動作の自然性と汎用性において,本手法がベースラインアプローチより優れていることが示された。
  論文  参考訳（メタデータ） (2026-03-10T04:19:43Z)
• EgoHumanoid: Unlocking In-the-Wild Loco-Manipulation with Robot-Free Egocentric Demonstration [67.13034606664333]
  EgoHumanoidは、エゴセントリックな人間のデモを使って視覚言語アクションポリシーを共同訓練する最初のフレームワークである。 スケーラブルな人的データ収集のためのポータブルシステムを開発した。
  論文  参考訳（メタデータ） (2026-02-10T18:59:03Z)
• TWIST2: Scalable, Portable, and Holistic Humanoid Data Collection System [79.48781507497769]
  既存のヒューマノイド遠隔操作システムは、分離された制御を使用するか、高価なモーションキャプチャー装置に依存している。 本稿では,携帯型モキャップフリーなヒューマノイド遠隔操作・データ収集システムであるTWIST2を紹介する。 長軸的,移動的ヒューマノイドスキルを実証し,約100%の成功率で15分で100個のデモを収集できる。
  論文  参考訳（メタデータ） (2025-11-04T18:58:35Z)

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。