論文の概要: RoboMMT: Learning Stable Tracking of Modulated Expressive and Interactive Robot Motion

• arxiv url: http://arxiv.org/abs/2610.26414v1
• Date: Mon, 19 Oct 2026 13:47:43 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:31:06.895748
• Title: RoboMMT: Learning Stable Tracking of Modulated Expressive and Interactive Robot Motion
• Title（参考訳）: RoboMMT: 操作型・対話型ロボット動作の安定追跡学習
• Abstract要約: 本稿では,表現的運動合成,物理に基づく文字制御,空間的相互作用目標への反応性適応を両立させるモジュール型制御アーキテクチャであるRoboMMTを提案する。 ゴール反応性は、参照ジェネレータの空間的目標獲得点を調節する軽量でタスク固有のインタラクションポリシーを訓練することで達成される。 本研究では,この基盤上での閉ループ目標の階層化により,対話的な対向動作と対向動作が可能であり,安定した実行と同等の基準追従忠実性を維持していることを示す。
• 参考スコア（独自算出の注目度）: 1.2443087227926448
• License:
• Abstract: Expressive robot motion can improve naturalness, effectiveness, and perceived likability in human-robot interaction. When deployed on dynamically unstable platforms, however, reactive execution of expressive body motion may bring the robot to its stability limits, especially when expressivity is decoupled from physical control. In this paper, we present RoboMMT (Robot Modulated Motion Tracking), a modular control architecture that couples parameterized expressive motion synthesis, physics-based character control, and reactive adaptation to spatial interaction goals. Our approach trains a reference-conditioned tracking policy across a broad domain of expressivity, enabling it to faithfully realize the commanded motions while maintaining dynamic stability. Goal reactivity is achieved by training lightweight, task-specific interaction policies that modulate the reference generator's spatial goal-attraction point, with the stabilizing tracking policy kept in the loop. Evaluations on a quadruped and two humanoid robots show that the learned tracker remains stable and accurate across the entire modulation domain, whereas trackers trained without this coverage lose balance, tracking accuracy, or both. We show that layering closed-loop goal adaptation over this foundation enables interactive facing and pointing behaviors, while maintaining stable execution and comparable reference-tracking fidelity. The robot learns to proactively redistribute its weight and take corrective steps. Zero-shot sim-to-real transfer is demonstrated through real-robot experiments on a quadruped under heavy disturbances.
• Abstract（参考訳）: 表現力のあるロボットの動きは、人間とロボットの相互作用における自然性、有効性、知覚力を改善することができる。 しかし、動的に不安定なプラットフォームに展開すると、表現力が物理的制御から切り離された場合、表現力のある身体運動の反応性実行によってロボットの安定性が限界に達する可能性がある。 本稿では,パラメータ化表現型モーション合成,物理に基づく文字制御,空間的相互作用目標への反応性適応を両立させるモジュール型制御アーキテクチャであるRoboMMTを提案する。 提案手法は参照条件付きトラッキングポリシーを広範囲な表現性領域にわたって訓練することにより,動的安定性を維持しつつ,命令された動作を忠実に実現することができる。 ゴール反応性は、参照ジェネレータの空間目標獲得点を調節する軽量なタスク固有のインタラクションポリシーを訓練し、ループ内に安定化トラッキングポリシーを保持することで達成される。 四足歩行ロボットと2台のヒューマノイドロボットによる評価では、学習されたトラッカーは変調領域全体にわたって安定して正確であることを示し、一方、このカバレッジなしで訓練されたトラッカーはバランスを失い、精度をトラッキングする。 本研究では,この基盤上での閉ループ目標の階層化により,対話的な対向動作と対向動作が可能であり,安定した実行と同等の基準追従忠実性を維持していることを示す。 ロボットは、積極的に体重を再分配し、修正手順を取ることを学習する。 ゼロショット・シム・トゥ・リアル・トランスファーは、重い外乱の下で四重奏された実ロボット実験によって実証される。

関連論文リスト

• Fetch My Beer: Synthetic-to-real Hierarchical Policy for Smooth Pick-and-place [54.561625475942584]
  本研究では, 液体充填容器の安定輸送について検討し, ロボットが物体を目標場所へ移動させながら, スロッシングを抑え, こぼれを防止する方法を検討した。 このタスクは運動の滑らかさと軌道レベルの安定性に厳格な要件を課し、既存のシステムの明確な制限を明らかにする。 物理的に検証されたデータ生成と階層的拡散型コントローラを結合した合成から現実のフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-16T04:55:12Z)
• Gimbal-Based Human Tracking for Companion Robots Using Continual Learning [0.5161531917413708]
  移動ロボットに組み込まれたジンバル搭載カメラを用いた人体追跡手法を提案する。 外観や環境条件の変化に対応するために、人物の再識別作業に継続的学習戦略を適用する。 実験の結果,提案システムは人間の追跡の安定性と連続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） (2026-07-22T05:36:47Z)
• Behavior Foundations for Quadruped Robots: ABot-C0 Technical Report [25.18747802029395]
  本稿では,四足歩行ロボットの汎用動作制御システムであるABot-C0を提案する。 我々は、条件付きビデオ生成、注釈付きモーションキャプチャ、ヒューマンデザインを通じてデータピラミッドを構築し、16,074個の物理的に実現可能なモーションクリップを生成した。 そして、3段階の特権と知覚の枠組みを採用することで、ロバストな全地球移動に向けて一歩前進します。
  論文  参考訳（メタデータ） (2026-07-08T13:04:07Z)
• 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)
• When Rolling Gets Weird: A Curved-Link Tensegrity Robot for Non-Intuitive Behavior [0.6372261626436676]
  本研究では,半円形で湾曲した張力ロボットによる解を提案する。 このロボットは、効率的なローリングロコモーションと制御された安定性のバランスを保ち、アークエンドポイントにおける不連続によって実現される。 予備的な衝撃試験では、引張構造の固有の衝撃吸収能力と適合性を強調している。
  論文  参考訳（メタデータ） (2026-03-17T13:30:33Z)
• OmniTrack: General Motion Tracking via Physics-Consistent Reference [54.256312586493415]
  OmniTrackは、一般的なモーショントラッキングから物理的実現可能性を明確に分離する一般的なトラッキングフレームワークである。 実験により、OmniTrackは追跡精度を向上し、目に見えない動きに対して強力な一般化を示すことが示された。 実世界のテストでは、OmniTrackは、フリップやカートホイールのような複雑なアクロバティックな動きを含む、1時間の長さ、一貫性、安定したトラッキングを実現している。
  論文  参考訳（メタデータ） (2026-02-27T09:12:15Z)
• KungfuBot: Physics-Based Humanoid Whole-Body Control for Learning Highly-Dynamic Skills [58.73043119128804]
  そこで本研究では,Kungfuやダンスなどの人体動作を高度に制御することを目的とした,物理学に基づくヒューマノイド制御フレームワークを提案する。 動作処理では,運動の抽出,フィルタリング,修正,再ターゲティングを行うパイプラインを設計し,物理的制約の遵守を確実にする。 動作模倣では、二段階最適化問題を定式化し、追従精度の許容度を動的に調整する。 実験では,高ダイナミックな動作のセットを模倣するために全身制御ポリシーを訓練する。
  論文  参考訳（メタデータ） (2025-06-15T13:58:53Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)

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。