論文の概要: Beyond Human-Derived Motion: Exploring Robot-Specific Execution for Construction Humanoids

• arxiv url: http://arxiv.org/abs/2610.24312v1
• Date: Fri, 16 Oct 2026 23:20:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 02:24:52.559678
• Title: Beyond Human-Derived Motion: Exploring Robot-Specific Execution for Construction Humanoids
• Title（参考訳）: 人間の発達する動きを超えて:建設ヒューマノイドのためのロボット特有の実行を探る
• Abstract要約: 建設の生産性は、ワークスペースやヒューマンワーカー向けに設計されたツールで操作できるヒューマノイドロボットへの関心が高まっている。 人間由来のモーショントランスファーは、人間のデモをヒューマノイドロボットにキャプチャーし、転送することで、有望なアプローチとして現れてきた。 本研究では,ロボット固有運動が人間派生運動よりも動作実行効率に有利であるかどうかを検討する。
• 参考スコア（独自算出の注目度）: 0.41145628201397916
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Construction productivity has remained a per- sistent challenge, motivating growing interest in humanoid robots that can operate in workspaces and with tools designed for human workers. Realizing this potential requires effective motion control, for which human-derived motion transfer has emerged as a promising approach by capturing and retargeting human demonstrations to humanoid robots. While promising, however, human-derived motion transfer may not fully define how a humanoid should ultimately execute the transferred motion. Once task-relevant motion information has been con- veyed, the humanoid may also exploit its own embodiment through motions that depart from the human demonstration. This study examines whether such Robot-Specific Motion offers an advantage in motion execution efficiency over Human- Derived Motion. On an adult-sized Unitree H1-2, Human- Derived Motion was generated through vision-based capture and retargeting, whereas Robot-Specific Motion used inverse kinematics and minimum-jerk transfers to reach the same targets while departing from the demonstrated posture, as verified using Rapid Upper Limb Assessment (RULA). Across a pick-and-stack sequence representing construction material handling, with four matched motion targets and three trials per condition, Robot-Specific Motion achieved 12.87 s versus 25.03 s in execution time, 0.92 m versus 4.33 m in trajectory length, and 58.7 J versus 247.3 J in two-arm mechanical work. These findings suggest that allowing humanoids to depart from demonstrated human motion may offer additional opportunities for more efficient motion execution, while broader construction tasks are needed to determine whether such differences trans- late into productivity gains.
• Abstract（参考訳）: 建設の生産性は、ワークスペースやヒューマンワーカー向けに設計されたツールで操作できるヒューマノイドロボットへの関心が高まっている。 この可能性を実現するには、人間由来のモーショントランスファーが有望なアプローチとして登場し、人間型ロボットに対する人間のデモを捕捉し、再ターゲットする効果的なモーションコントロールが必要である。 しかし、有望ではあるが、人間由来のモーショントランスファーは、最終的にヒューマノイドがトランスファーモーションを実行する方法を完全には定義していないかもしれない。 タスク関連モーション情報が精査されると、ヒューマノイドは人間のデモから外れた動作を通じて、自身の体現を活用できる。 本研究では,ロボット固有運動が人間派生運動よりも動作実行効率に有利であるかどうかを検討する。 成体サイズのユニトリーH1-2では、人間由来の運動は視覚による捕獲と再ターゲットによって生成され、一方、ロボット特化運動は逆運動学と最小ジャーク移動を用いて、実証された姿勢から離れながら同じ目標に到達した。 建設資材の取り扱いを表すピック・アンド・スタックのシークエンスには、4つのマッチした運動目標と3つの条件があるが、ロボット・スペクティフィック・モーションは実行時間で12.87秒対25.03秒、軌道長で0.92m対4.33m、両腕の機械作業で58.7J対247.3Jを達成した。 これらの結果は、ヒューマノイドが人間の動作から外れることによって、より効率的な動作の実行が可能となり得ることを示唆し、そのような違いが生産性の向上に遅れるかどうかを判断するためには、より広範な建設作業が必要であることを示唆している。

関連論文リスト

• Beyond Retargeting: Low-Latency and Robust Humanoid Whole-Body Teleoperation with Learned Atomic Motion Primitives [9.232856657144216]
  既存のシステムは、人間のロボット形態の違いを橋渡しするためにオンラインの動きに依存しているが、このプロセスは遅延を増し、物理的に不可能なターゲットを生み出すことができる。 本研究では,人間の動きを直接ロボットの関節コマンドにマッピングするプリミティブフリー適応方式を提案する。 シミュレーションおよびハードウェアにおけるUnitreeG1の実験では、仮想現実感、光モキャップ、テキスト・トゥ・モーション生成、モノクロビデオ入力を用いて、本手法がレイテンシとロバスト性においてベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-10-06T07:39:20Z)
• 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)
• BeyondRetarget: Learning Executable Humanoid Motions Directly from Monocular Video [34.97982846901588]
  本研究では,モノクラーRGBビデオをロボットの動きにマッピングする,エンドツーエンドのフレームワークであるBeyondRetargetを提案する。 このフレームワークは、明示的な人間の表現を識別し、視覚的な観察からロボット指向の暗黙の表現を直接学習する。 実験の結果,BeyondRetargetは生成したロボットの動きの精度と堅牢性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2026-09-24T14:15:04Z)
• WholeBodyWAM: Learning Whole-Body World Action Models with Scalable Motion Priors [28.761088065994244]
  WholeBodyWAMは、ターゲットロボット訓練の前に、大規模な異種運動から全身動態を学習する。 言語条件のモーションエキスパートは、ターゲットロボットアクションの監督なしに、将来の全身の動きを予測するために事前訓練される。 実験により、WholeBodyWAMは運動抑制尺度の増大の恩恵を一貫して受けることが示された。
  論文  参考訳（メタデータ） (2026-09-16T06:32:21Z)
• X-Morph: Human Motion Priors for Scalable Robot Learning Across Morphologies [6.9484599086239465]
  我々は、人間の動きをロコ操作ポリシーに変換する人間の動きからロボットへの行動であるX-Morphを提示する。 クロスモルフォロジー段階は、人間の動きを運動学的に妥当で、意図的に保存されるロボットの参照に変換する。 結果として得られたポリシーは、さまざまな再ターゲティングされた動きを追跡し、目に見えない人間の動きに再利用し、ビデオベースの遠隔操作を含むユースケースをサポートする。
  論文  参考訳（メタデータ） (2026-06-29T13:31:27Z)
• 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)
• Task-Oriented Human-Object Interactions Generation with Implicit Neural Representations [61.659439423703155]
  TOHO: 命令型ニューラル表現を用いたタスク指向型ヒューマンオブジェクトインタラクション生成 本手法は時間座標のみでパラメータ化される連続運動を生成する。 この研究は、一般的なヒューマン・シーンの相互作用シミュレーションに向けて一歩前進する。
  論文  参考訳（メタデータ） (2023-03-23T09:31:56Z)
• From Movement Kinematics to Object Properties: Online Recognition of Human Carefulness [112.28757246103099]
  ロボットは、視覚だけで、人間のパートナーが物体を動かす際に注意を払っているかを、どのようにオンラインで推測できるかを示す。 我々は,低解像度カメラでも高い精度(最大81.3%)でこの推論を行うことができることを示した。 パートナーの行動を観察することによる動きの注意の迅速な認識により、ロボットはオブジェクトに対する行動に適応し、人間のパートナーと同じケアの度合いを示すことができる。
  論文  参考訳（メタデータ） (2021-09-01T16:03:13Z)
• Careful with That! Observation of Human Movements to Estimate Objects Properties [106.925705883949]
  我々は、物体の重さについての洞察を伝える人間の運動行動の特徴に焦点を当てる。 最後の目標は、ロボットがオブジェクトハンドリングに必要なケアの度合いを自律的に推測できるようにすることです。
  論文  参考訳（メタデータ） (2021-03-02T08:14:56Z)

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。