論文の概要: PiHand: Latent Hand-Object Interaction Priors for Physics-Based Policy Learning

• arxiv url: http://arxiv.org/abs/2610.31299v1
• Date: Thu, 22 Oct 2026 13:59:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.394707
• Title: PiHand: Latent Hand-Object Interaction Priors for Physics-Based Policy Learning
• Title（参考訳）: PiHand:物理ベースの政策学習に先立つ潜在的手-オブジェクトインタラクション
• Abstract要約: 本稿では,物理基盤のインタラクション対応ハンドモーション合成フレームワークであるPiHandを紹介する。 PiHandはまず、モキャップのデモをシミュレーションで追跡する専門家のポリシーを訓練し、目標条件付きVAEを使用する前に、それらを統一された手動オブジェクトの相互作用に蒸留する。 PiHandは、その潜伏空間における有界残留探索を通じて、多様な外乱操作タスクを解決している。
• 参考スコア（独自算出の注目度）: 25.010688253507183
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synthesizing physically grounded dexterous hand-object interactions is important for VR/AR, gaming, and robotics, yet remains challenging because subtle contact dynamics, diverse object geometries, and target trajectories must be jointly respected while maintaining natural grasps. Existing methods either track mocap trajectories with limited transfer to novel objects, or rely on hand-only generative priors that fail to capture coupled hand-object motion, sacrificing contact fidelity and sample efficiency. To tackle these challenges, we introduce PiHand, a Physically grounded Interaction-aware Hand motion synthesis framework. PiHand first trains expert policies that track mocap demonstrations in simulation, distills them into a unified hand-object interaction prior using a goal-conditioned VAE, and finally solve diverse dexterous manipulation tasks through bounded residual exploration in its latent space. With only a single reward and no complex curriculum training, this yields general tabletop manipulation policies that generalize to unseen objects and trajectories on GRAB and DexYCB. The same prior transfers to object catching and bimanual handover, two tasks that are rarely seen in its training data. Across all tasks, PiHand consistently outperforms baselines in all metrics. We will release the processed data and model checkpoints.
• Abstract（参考訳）: 物理的に接地された手-物体の相互作用を合成することは、VR/AR、ゲーム、ロボティクスにおいて重要であるが、微妙な接触ダイナミクス、多様なオブジェクトジオメトリ、ターゲットの軌跡は、自然な把握を維持しながら共同で尊重されなければならないため、依然として困難なままである。 既存の方法は、新しい物体への限られた移動を伴うモカプ軌跡を追跡するか、または、結合した手動物体の動きを捉えるのに失敗した手動のみの生成先に依存するか、接触密度とサンプル効率を犠牲にするかのいずれかである。 これらの課題に対処するために、Philiply Grounded Interaction-Aware Hand Motion Synthetic frameworkであるPiHandを紹介する。 PiHandはまず、モキャップのデモをシミュレーションで追跡する専門家のポリシーを訓練し、目標条件付きVAEを使用する前に、それらを統一された手動物体の相互作用に蒸留し、最後に、その潜在空間における有界残留探査を通じて、様々な操作タスクを解決した。 1つの報酬だけで複雑なカリキュラムのトレーニングがないため、GRAB と DexYCB の未確認オブジェクトや軌跡を一般化する一般的なテーブルトップ操作ポリシーが得られる。 トレーニングデータにはめったに見られない2つのタスクがある。 すべてのタスクにおいて、PiHandはすべてのメトリクスのベースラインを一貫して上回る。 処理されたデータとモデルチェックポイントをリリースします。

関連論文リスト

• Unifying Physics-Based Humanoid Interaction with a Context-Conditioned Interaction Prior [20.58647951068921]
  CHIPは、不均一な動きデータから再利用可能なヒューマノイド相互作用スキルを学習するための物理学的な基盤となるフレームワークである。 我々はまず,不均一な相互作用データから基礎となる教師の行動を取得する物理に基づくモーション・イミュレーション・ポリシーを学習する。 次に、これらの動作を文脈条件付き相互作用に蒸留し、移動と操作をまたいだ再利用可能な運動構造をキャプチャする。
  論文  参考訳（メタデータ） (2026-09-06T13:16:48Z)
• GIRAF: Towards Generalizable Human Interactions with Articulated Objects [50.52795413484619]
  そこで本論文では,テキスト条件付き拡散モデルについて述べる。 提案手法は、現在最先端の手法を超越して、未確認のオブジェクト構成に強い一般化を示した。
  論文  参考訳（メタデータ） (2026-07-08T19:30:44Z)
• Semantic-Contact Fields for Category-Level Generalizable Tactile Tool Manipulation [82.63833405368159]
  ツール操作の一般化には、セマンティックプランニングと正確な物理的制御の両方が必要である。 本研究では,密接な接触推定を伴う視覚的意味論を融合した3次元表現であるセマンティック・コンタクト・フィールド(SCFields)を提案する。 スクレイピング、クレヨン描画、剥離の実験は、堅牢なカテゴリレベルの一般化を示している。
  論文  参考訳（メタデータ） (2026-02-14T16:05:08Z)
• Learning Generalizable Hand-Object Tracking from Synthetic Demonstrations [71.15185260689928]
  本研究では,人間による実演を必要とせず,合成データから汎用的な手動物体追跡制御系を学習するシステムを提案する。 提案手法は,(1)多種多様な対象物軌跡を合成可能なハンドオブジェクトプランナであるHOPと,(2)強化学習と相互作用模倣学習を通じて合成と物理の伝達をブリッジするハンドオブジェクトトラッカーであるHOTの2つの重要な貢献を行う。
  論文  参考訳（メタデータ） (2025-12-22T17:08:54Z)
• SIGHT: Synthesizing Image-Text Conditioned and Geometry-Guided 3D Hand-Object Trajectories [124.24041272390954]
  手動物体の相互作用をモデル化することは、ロボットと具体化されたAIシステムを前進させる大きな可能性を秘めている。 SIGHTは、1つの画像から現実的で物理的に妥当な3Dハンドオブジェクトインタラクショントラジェクトリを生成することに焦点を当てた,新しいタスクである。 SIGHT-Fusionは,データベースから最もよく似た3Dオブジェクトメッシュを抽出し,この課題に対処する,新しい拡散型画像文条件付き生成モデルを提案する。
  論文  参考訳（メタデータ） (2025-03-28T20:53:20Z)
• Physically Plausible Full-Body Hand-Object Interaction Synthesis [32.83908152822006]
  そこで本研究では,全体で手-物体間相互作用を合成するための物理に基づく手法を提案する。 既存のメソッドは、しばしば相互作用プロセスの分離されたセグメントにフォーカスし、成果物をもたらす可能性のあるデータ駆動技術に依存します。
  論文  参考訳（メタデータ） (2023-09-14T17:55:18Z)

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。