論文の概要: Human Demonstrations as Post-Training Data for Any Robot Body: Retargeting the Object, Not the Hand

• arxiv url: http://arxiv.org/abs/2610.20351v1
• Date: Wed, 14 Oct 2026 15:28:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.22266
• Title: Human Demonstrations as Post-Training Data for Any Robot Body: Retargeting the Object, Not the Hand
• Title（参考訳）: ロボットの訓練後データとしての人間デモ:手ではなく物体を狙う
• Abstract要約: 携帯電話のようなシンプルでスケーラブルなデバイスに記録された人間のデモは、ロボットのポストトレーニングデータとして機能する。 キャプチャーは、時間とともにオブジェクトのポーズ、接触間隔、そして前兆のある再構成された3Dオブジェクトという、ボディフリーのレコードを生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human demonstrations are today used largely for pretraining vision-language-action models, with little ability to use the same data for target-embodiment or task-oriented training, which scalable deployment of robots in industrial and general environments depends on. A human demonstration recorded on a simple and scalable device such as a mobile phone can serve as post-training data for a robot whose body differs in structure and capability from the human who recorded it. This is made possible not by retargeting the hand's motion but the object's. A capture yields a body-free record: the object's pose over time, its contact intervals, and a reconstructed 3D object with provenance. Any robot, given as a URDF and a short descriptor, is solved against that record and scored in simulation against the demonstrated object motion as ground truth: the human-to-simulation leg of human-to-simulation-to-robot transfer, measured per robot. Each (robot, episode) pair gets one outcome: pass, failure with a named mode, or refusal, with its reason, before any motion. The method runs as a working system over a growing collection; the set analysed here is a sample of it: 42 captures solved on 8 robots, 157 pairs, of which 31.2% pass, 52.2% fail, 14.0% are refused and 2.5% are unauditable (kinematic feasibility, +/-50 mm / +/-15 deg, in simulation). Refusals held up: every pair the checks refuse on stored evidence yet ran anyway failed (13 of 13; 5 on a body whose public model welds its hand). A description file could not be shown to screen a robot: its outcomes were barely more predictable than guessing. No policy has yet been trained on the record. The record decides what a robot may post-train on; whether the policy then works on the real robot is the simulation-to-robot question, answered downstream.
• Abstract（参考訳）: 現在、人間のデモンストレーションは、主に視覚言語アクションモデルの事前訓練に使われており、産業や一般環境におけるロボットのスケーラブルな展開が依存するターゲット・エボディメントやタスク指向トレーニングに同じデータを使用する能力はほとんどない。 携帯電話などのシンプルでスケーラブルなデバイスに記録された人間のデモは、それを記録した人間と体の構造や能力が異なるロボットの訓練後のデータとして機能することができる。 これは、手の動きではなく、物体の動きを再ターゲティングすることで可能となる。 キャプチャーは、時間とともにオブジェクトのポーズ、接触間隔、そして前兆のある再構成された3Dオブジェクトという、ボディフリーのレコードを生成する。 URDFと短い記述子として与えられるすべてのロボットは、その記録に対して解決され、実証された物体の動きを、人間からシミュレーション、ロボットへの移動の人間とシミュレーションの脚(ロボットごとの測定値)としてシミュレーションする。 それぞれの(ロボット、エピソード)ペアは、1つの結果を得る: パス、名前付きモードでの失敗、またはその理由により、何らかの動きの前に拒絶する。 42台が8台のロボットで、そのうちの157台が31.2%が通過し、52.2%が失敗し、14.0%が拒否され、2.5%が不可解である(物理的実現可能性 +/-50 mm / +/-15 deg のシミュレーション)。 チェックが拒否するすべてのペアが保存された証拠を拒否するが、いずれにせよ失敗した(パブリックモデルがハンドを溶接するボディ上の13:5)。 説明ファイルはロボットの画面に表示されず、その結果は推測よりも予測可能だった。 ただし、この記録についてはまだ定めていない。 その記録は、ロボットがポストトレインで何をするかを決め、そのポリシーが本物のロボットで機能するかは、シミュレーションからロボットまでの問題だ、と下流で答えた。

関連論文リスト

• Cross-Embodiment Affordance Transfer for Robotic Manipulation [0.22940141855172033]
  本稿では,人間の手当アノテーションをロボットが実行可能な手当予測に翻訳するフレームワークを提案する。 ネットワークは、対象物の表面領域がロボットによって物理的に実行可能であることを予測する。 UR5eロボットアーム上の2つの並列ジャウ構成を用いて、家庭用オブジェクトデータセット上で評価を行った。
  論文  参考訳（メタデータ） (2026-10-13T11:31:44Z)
• Touch2Robot: Robot Touch in the Human Demonstration Loop [4.894188027885703]
  Touch2Robotは、人間が対象のロボットがオブジェクトにどのように接触するかを確認しながら、デモを収集できるフレームワークだ。 我々は人間の手の動き、触覚手袋の測定、人間の操作時の物体の動きを捉える。 学習した動作を、人間の観測や物体形状をロボットの手の配置にマッピングする、統合されたリアルタイム再ターゲッターに蒸留する。
  論文  参考訳（メタデータ） (2026-09-21T14:26:51Z)
• DataLadder: A Simulation-Enabled Interconversion Toolchain for the Embodied Data Pyramid [63.45560198934907]
  ジェネラリストロボットポリシーは、信頼できる評価とロボット使用可能なトレーニングデータを必要とする。 本稿では,人間ロボットによるモデル評価とデータ生成のためのシミュレーション可能な変換ツールチェーンであるDataLadderを提案する。 JD Cloud上のクラウドサービスとして、コア再構築、シミュレーション、レンダリング、リアリズム拡張モジュールをパッケージ化します。
  論文  参考訳（メタデータ） (2026-06-15T14:21:35Z)
• H2R-Grounder: A Paired-Data-Free Paradigm for Translating Human Interaction Videos into Physically Grounded Robot Videos [58.006918399913665]
  本稿では,通常の人間と物体のインタラクションビデオからモーション一貫性のあるロボット操作ビデオに変換するビデオ間翻訳フレームワークを提案する。 私たちのアプローチでは、ロボットビデオのセットのみをトレーニングするために、ペアの人間ロボットビデオは必要とせず、システムを拡張しやすくしています。 テスト時にも同じプロセスを人間のビデオに適用し、人間の行動を模倣する高品質なロボットビデオを生成する。
  論文  参考訳（メタデータ） (2025-12-10T07:59:45Z)
• Toward Human-Robot Teaming: Learning Handover Behaviors from 3D Scenes [28.930178662944446]
  本稿では,RGB画像のみから,人間とロボットのハンドオーバに着目したHRTポリシーのトレーニング手法を提案する。 ロボットグリップに装着したカメラでキャプチャした画像アクション対を含むロボットデモを生成する。 これにより、再構成シーンにおけるシミュレートされたカメラポーズ変更を直接グリップポーズ変更に変換することができる。
  論文  参考訳（メタデータ） (2025-08-13T14:47:31Z)
• EgoZero: Robot Learning from Smart Glasses [54.6168258133554]
  EgoZeroはProject Ariaスマートグラスで捉えた人間のデモから堅牢な操作ポリシーを学ぶ。 EgoZeroのポリシーをFranka Pandaロボットにデプロイし、7つの操作タスクに対して70%の成功率でゼロショット転送を実演する。 この結果から,実世界におけるロボット学習のためのスケーラブルな基盤として,現在地にある人間のデータを活用できることが示唆された。
  論文  参考訳（メタデータ） (2025-05-26T17:59:17Z)
• Generalizable Humanoid Manipulation with 3D Diffusion Policies [66.78220965526732]
  我々は、ヒューマノイドロボットによる自律的な操作の問題を解決するために、現実世界のロボットシステムを構築している。 本システムは主に,人型ロボットデータを取得するための全身ロボット遠隔操作システムと,高さ調整可能なカートと3D LiDARセンサを備えた25-DoFヒューマノイドロボットプラットフォームの統合である。 1つのシーンで収集されたデータのみを使用し、オンボードコンピューティングのみで、フルサイズのヒューマノイドロボットが様々な現実世界のシナリオで自律的にスキルを発揮できることが示される。
  論文  参考訳（メタデータ） (2024-10-14T17:59:00Z)
• Giving Robots a Hand: Learning Generalizable Manipulation with Eye-in-Hand Human Video Demonstrations [66.47064743686953]
  眼内カメラは、視覚に基づくロボット操作において、より優れたサンプル効率と一般化を可能にすることを約束している。 一方、人間がタスクを行うビデオは、ロボット遠隔操作の専門知識を欠いているため、収集コストがずっと安い。 本研究では,広範にラベルのない人間ビデオによるロボット模倣データセットを拡張し,眼球運動ポリシーの一般化を大幅に促進する。
  論文  参考訳（メタデータ） (2023-07-12T07:04:53Z)

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。