論文の概要: CoCarry: Contact-Support-Structured Retargeting for Dual-Humanoid Cooperative Carrying
- arxiv url: http://arxiv.org/abs/2610.32460v1
- Date: Fri, 23 Oct 2026 10:24:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.493658
- Title: CoCarry: Contact-Support-Structured Retargeting for Dual-Humanoid Cooperative Carrying
- Title（参考訳）: CoCarry:Dual-Humanoid Cooperative Carryingのためのコンタクトスポーツ構造化リターゲティング
- Abstract要約: 220個の同期された2人のシーケンスを含む協調搬送データセットであるCoCarryを紹介した。
そこで本稿では, 個別動作から始まり, 両ヒューマノイドを同一の所定の対象軌跡の周囲で共同精製するコンタクト・サポーポート・ストラクタブル・リターゲティングを提案する。
220個のコカリー配列を2つのA3ヒューマノイドに再ターゲティングし,0.9995個の接触保存を達成し,GMRおよびOmniRetargetに対する侵入期間を67.0%,71.0%削減し,100%の成功率を維持する。
- 参考スコア（独自算出の注目度）: 38.989879740567105
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in large-scale human motion data, motion retargeting, and motion imitation have enabled increasingly capable whole-body control for individual humanoids. Cooperative carrying is more challenging because successful coordination requires not only plausible individual motions, but also consistent cross-agent and agent-object relations, including shared grasp, relative configuration, and whole-body support. We introduce CoCarry, a cooperative-carrying dataset containing 220 synchronized two-person sequences across 21 task schemes, five shared-object geometries, four terrain types, and approximately 61 minutes of motion. We further propose Contact-Support-Structured Retargeting, which starts from nominal individual motions and jointly refines both humanoids around the same prescribed object trajectory. Cooperation-aware object-local hand anchors preserve compatible four-hand grasp relations, while complementary upper object-interaction and lower support structures retain object-relative geometry and coordinated support. Across all 220 CoCarry sequences retargeted to two A3 humanoids, our method achieves 0.9995 contact preservation, reduces penetration duration by 67.0% and 71.0% relative to GMR and OmniRetarget, respectively, and maintains a 100% retargeting success rate. On CORE4D with Unitree G1 humanoids, it achieves 0.9906 contact preservation with zero measured sliding. We further validate the generated references through physics simulation and multiple real-world cooperative carrying experiments on two physical A3 humanoids, demonstrating their usability for downstream dual-humanoid control.
- Abstract（参考訳）: 近年の大規模人体運動データ、運動再ターゲティング、運動模倣の進歩により、個々のヒューマノイドに対する身体全体の制御能力が向上している。
コーディネーションの成功には、もっともらしい個々の動きだけでなく、共通の把握、相対的な構成、体全体の支持など、一貫したエージェントとエージェントの関係も必要である。
CoCarryは,21のタスクスキーム,5つの共有オブジェクトジオメトリ,4つの地形タイプ,約61分間の動作を含む協調搬送データセットである。
さらに, 個別動作から始まり, 両ヒューマノイドを同一の所定の対象軌跡の周囲で共同精製するコンタクト・スポーツ・構造化リターゲティングを提案する。
協調型オブジェクト-ローカルハンドアンカーは、互換性のある4手握り関係を維持し、補完的な上方オブジェクト-インタラクションと下方サポート構造は、オブジェクト相対幾何学と協調的支持を維持している。
220個のコカリー配列を2つのA3ヒューマノイドに再ターゲティングし,0.9995個の接触保存を達成し,GMRおよびOmniRetargetに対する侵入期間を67.0%,71.0%削減し,100%の再ターゲティング成功率を維持する。
CORE4DとUnitree G1のヒューマノイドでは、0のスライディングで0.9906の接触保存が達成される。
さらに, 物理シミュレーションと実世界における2つのA3ヒューマノイドを用いた実空間協調輸送実験により, 下流デュアルヒューマノイド制御のユーザビリティを実証した。
関連論文リスト
- DONIC: Generalist Dexterous Bimanual Tracking Control from Human Demonstrations [62.525114958093496]
操作カテゴリと人体運動源を共同で訓練した最初の一般用バイマニュアルトラッカーであるDONICについて紹介する。
対象中心ごとの報酬は、基準コンタクトロールに従って各手を監督しながら、オブジェクトモーションフィードバックを維持する。
単一のチェックポイントは、トレーニング対象の未確認軌道で86.79%、保持対象で57.32%を達成している。
論文 参考訳（メタデータ） (2026-10-21T16:36:02Z) - OmniInteract: Towards Unified Whole-Body Interaction Control for Dual Humanoids [60.20345110142214]
物理的相互作用は人体全体の運動と正確な接触を必要とするヒューマノイドの協調の鍵となる能力である。
しかし,人間-ロボット間の相互作用の学習は,(1)接触界面と空間的関係を妨害する,(2)協調学習のモータースキルとパートナーコーディネーションにより,相互作用の多様性が増大するにつれて制御の忠実性を維持することが困難になる,という2つの大きな課題に直面している。
我々は、表面認識モデリングとスケーラブルな残留ポリシー学習を通じて、これらの課題に対処するOmniInteractを提案する。
論文 参考訳（メタデータ） (2026-10-19T09:03:55Z) - OTRetarget: Joint Robot and Object Motion Retargeting via Optimal Transport [10.3061638587194]
人間の動きをヒューマノイドロボットに移すには、ロボットの形態にその動作を適応させる必要がある。
OTR ETARGETは、人間によるデモンストレーションから、ロボットと多目的運動を協調的に再ターゲットする統一的なアプローチである。
提案手法は,OmniRetargetの28%と29.3mmに対して,ロボットとオブジェクトの相互作用が87%,深さが8.7mmであるOMOMOに対して,提案手法の有効性を検証した。
論文 参考訳（メタデータ） (2026-09-29T03:18:14Z) - LYRIC: Language-Driven Physics-Based Character Control for Contact-Rich Whole-Body Object Interaction [43.54194546706035]
LYRICは、言語駆動の物理に基づくコンタクトリッチインタラクション制御のための生成フローマッチングコントローラである。
単一のトラッキングポリシーは、幾何学的条件付き相互作用報酬と手動物体接触近傍の緩和された参照追跡を用いて訓練される。
LIRICは最強のキネマティックプランナーベースラインの74.2%に比べて90.3%のタスク成功率を示した。
論文 参考訳（メタデータ） (2026-09-17T04:34:15Z) - Gated Residual Body-Hand Coordination for Whole-Body Humanoid Teleoperation [33.39511546352422]
全身のヒューマノイド遠隔操作は、通常、モーショントラッキングポリシーと別個のデキスタラスハンド再ターゲッターを組み合わせる。
両モジュールの凍結を保ち、その出力に有界補正を適用するゲート残差調整フレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-16T14:50:12Z) - SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy [59.86199649493784]
制御可能な協調的ヒューマノイド操作は、インボディードインテリジェンスにとって根本的な問題である。
スケーラブルで物理的に妥当な協調操作を可能にするフレームワークであるSynAgentを提案する。
実験では、SynAgentは協調模倣と軌道条件制御の両方において既存のベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-04-20T17:46:20Z) - TeamHOI: Learning a Unified Policy for Cooperative Human-Object Interactions with Any Team Size [54.0714652192002]
物理に基づくヒューマノイド制御は、現実的でハイパフォーマンスな単一エージェントの動作を可能にするために顕著な進歩を遂げた。
我々は,複数の協力エージェント間で協調的なHOIを処理するための,単一の分散政策を実現するためのフレームワークであるTeamHOIを提案する。
論文 参考訳（メタデータ） (2026-03-09T05:52:13Z) - Learning Human-Humanoid Coordination for Collaborative Object Carrying [37.81901077587862]
本稿では,リーダーと追従者の行動を一つの方針で組み合わせた,プロプリセプションのみによる強化学習手法であるCOLAを提案する。
我々は,協調搬送タスクの総合的なシミュレータと実世界の実験を通して,我々のアプローチを評価する。
本手法は,外部センサや複雑な相互作用モデルを必要とすることなく,人間-ヒューマノイドの協調搬送を可能にする。
論文 参考訳（メタデータ） (2025-10-16T04:36:25Z)
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。