論文の概要: Robot Motion Transition with Human Motion Prior

• arxiv url: http://arxiv.org/abs/2610.30817v1
• Date: Thu, 22 Oct 2026 06:45:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.239425
• Title: Robot Motion Transition with Human Motion Prior
• Title（参考訳）: 人間の動きを優先したロボットの動き遷移
• Abstract要約: STAMPは、ロボットとヒューマンとロボットのプロセスを通して、独立して獲得したヒューマノイドの動きを接続するためのフレームワークである。 学習されたアライメントモデルにより、運動間の境界条件が決定される。 人間の動きは、選択されたアライメントの下で遷移を生成する。
• 参考スコア（独自算出の注目度）: 7.023695658549802
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid motion-tracking policies can reproduce diverse behaviors, yet connecting independently acquired motions into a continuous sequence remains challenging. Interpolation connects boundary poses without considering whether their relative position, heading, and timing provide suitable conditions for a transition. A generative motion prior can produce richer motion, but poorly arranged boundaries may cause it to generate excessive locomotion, turning, or another unintended action. We present Spatio-Temporal Alignment with a Motion Prior (STAMP), a framework for connecting independently acquired humanoid motions through a Robot-to-Human-to-Robot process. STAMP uses human motion space to draw on rich motion priors and reuse transition knowledge across robot embodiments. Its key component is a learned alignment model that determines the boundary conditions for motion inbetweening. Given the two motions retargeted to a human rig, the alignment model ranks candidate positions, headings, and transition durations for the following motion. A human motion prior generates the transition under the selected alignment. The completed sequence is retargeted to the robot and used as a reference to train a motion-tracking policy. We evaluate the tracking success of the generated transitions on Unitree~G1 and~ROBOTIS K1. Physical robot demonstrations further show that STAMP connects independently acquired motions into long-horizon sequences. Project page: https://childtoy.github.io/STAMP-project
• Abstract（参考訳）: ヒューマノイド運動追跡ポリシーは多様な動作を再現することができるが、独立に獲得した動きを連続的なシーケンスに接続することは困難である。 補間は、相対的な位置、方向、タイミングが遷移に適した条件を提供するかどうかを考慮せずに境界ポーズを接続する。 生成前の動きはよりリッチな動きを生じさせるが、配列の粗い境界は、過剰な移動、回転、あるいは意図しない動作を生じさせる可能性がある。 本稿では,ロボットとヒューマン-ロボットのプロセスを通じて,独立に獲得したヒューマノイドの動きを接続するフレームワークである運動優先型時空間アライメント(STAMP)を提案する。 STAMPは人間の動き空間を利用して、リッチな動きの先行を描き、ロボットの体現物間での遷移知識を再利用する。 その鍵となる構成要素は、運動間の境界条件を決定する学習されたアライメントモデルである。 人間のリグに再ターゲットされた2つの動きから、アライメントモデルは次の動きの候補位置、方向、遷移期間をランク付けする。 人間の動きは、選択されたアライメントの下で遷移を生成する。 完了したシーケンスはロボットに再ターゲティングされ、モーショントラッキングポリシーをトレーニングするための参照として使用される。 本研究は,Unitree~G1およびROBOTISK1における生成遷移の追跡成功を評価する。 物理ロボットのデモでは、STAMPが独立して獲得した動きを長い水平シーケンスに繋ぐことが示されている。 プロジェクトページ: https://childtoy.github.io/STAMP-project

関連論文リスト

• Morphology-Aware Human Motion Retargeting for Wheeled-Humanoid Loco-Manipulation [3.1041072702135213]
  本稿では,マルチデータセット動作をガラクサR1車輪型ヒューマノイドのロコ操作動作に変換するパイプラインを提案する。 ロボットは平面式3輪ベースとシリアル胴体と2本の腕を持つが、脚の関節は持たない。 基準ツイスト駆動の計画層は、平面ベースの動きを連続した3輪ステアリングとローリングコマンドにデコードする。
  論文  参考訳（メタデータ） (2026-09-10T10:40:31Z)
• 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)
• Perceptive Behavior Foundation Model: Adapting Human Motion Priors to Robot-Centric Terrain [25.92545023668694]
  我々は、ロボット中心の知覚において、人間の動きを前提とした地形認識型ヒューマノイド制御フレームワークを開発する。 我々は,視覚障害者の教師を訓練し,その地形・地形の振る舞いを生の学生に伝達する。 学生は、移動追跡を前もって保存し、必要なときにのみ局所的な補正を行うように訓練された、地形の特徴が残留経路を通り抜けるアイデンティティ付きトランスフォーマートラッカーである。
  論文  参考訳（メタデータ） (2026-06-06T08:46:44Z)
• FUSION: Full-Body Unified Motion Prior for Body and Hands via Diffusion [49.026972478098266]
  手は私たちの周囲と相互作用し、ジェスチャーを伝達する中心的存在です。 既存のヒトの運動合成法は不足している。 主な障害は、多様な全身の動きを共同でキャプチャする大規模なデータセットがないことである。
  論文  参考訳（メタデータ） (2026-01-07T14:18:59Z)
• From Language to Locomotion: Retargeting-free Humanoid Control via Motion Latent Guidance [55.31807046722006]
  既存の言語誘導型ヒューマノイドパイプラインは面倒で信頼できない。 本稿では,言語を基盤とした動作潜伏者に対してヒューマノイドポリシーを規定する言語フリーフレームワークであるRoboGhostを紹介する。 我々は,RoboGhostがデプロイメントの遅延を大幅に低減し,成功率と精度を向上し,スムーズでセマンティックに整合したヒューマノイドを生成することを示す。
  論文  参考訳（メタデータ） (2025-10-16T17:57:47Z)
• Natural Humanoid Robot Locomotion with Generative Motion Prior [21.147249860051616]
  本稿では,ヒューマノイドロボットの移動作業のきめ細かい監督を行う新しいジェネレーティブ・モーション・プライオリティ(GMP)を提案する。 我々は、条件付き変分自動エンコーダに基づいて、ロボットの将来の自然参照動作を予測するために、生成モデルをオフラインでトレーニングする。 政策訓練の間、生成運動は凍結したオンラインモーションジェネレータとして機能し、軌道レベルで正確に包括的な監視を提供する。
  論文  参考訳（メタデータ） (2025-03-12T03:04:15Z)
• 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)
• Weakly-supervised Action Transition Learning for Stochastic Human Motion Prediction [81.94175022575966]
  動作駆動型人間の動作予測の課題について紹介する。 一連の動作ラベルと短い動作履歴から、複数の可算な将来の動作を予測することを目的としている。
  論文  参考訳（メタデータ） (2022-05-31T08:38:07Z)
• Generating Smooth Pose Sequences for Diverse Human Motion Prediction [90.45823619796674]
  本稿では,多様な動作予測と制御可能な動作予測のための統合された深部生成ネットワークを提案する。 標準ベンチマークデータセットであるHuman3.6MとHumanEva-Iの2つの実験は、我々のアプローチがサンプルの多様性と精度の両方において最先端のベースラインより優れていることを示した。
  論文  参考訳（メタデータ） (2021-08-19T00:58:00Z)

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。