論文の概要: Mimetic Embodiment Transfer of Human-Humanoid Interaction from In-the-Wild Videos

• arxiv url: http://arxiv.org/abs/2610.36615v1
• Date: Tue, 27 Oct 2026 04:18:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.481128
• Title: Mimetic Embodiment Transfer of Human-Humanoid Interaction from In-the-Wild Videos
• Title（参考訳）: In-the-Wildビデオからのヒトとヒトの相互作用のミメティック・エボディメント・トランスファー
• Abstract要約: HumiTransferは、ミメティックなエンボディメント転送フレームワークである。 人間のインタラクション動画を、物理的にもっともらしい人間と人間とのインタラクションに変換する。 26-DoFのUnitree R1 Eduと23-DoFのHighTorque Mini-hiヒューマノイドロボットのために50万フレームの多様なインタラクションを生成する。
• 参考スコア（独自算出の注目度）: 16.893782881930502
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Enabling a humanoid to interact naturally with human partners requires preserving not only individual motions but also the spatial, semantic, and contact relationships underlying the interaction (i.e., hugging, dancing, hand-shaking, etc.). Furthermore, a practical solution should generalize across various humanoid embodiments with distinct morphologies and kinematic constraints. To tackle this challenge, we propose HumiTransfer, a mimetic embodiment transfer framework that converts in-the-wild human-human interaction videos into physically plausible human-humanoid interactions. HumiTransfer first reconstructs 3D human motion with consistent foot-ground contact, then transfers one participant to a target humanoid embodiment via interaction modeling, using weighted joint-relative directions and anatomical offsets to prioritize interaction-critical inter-body relationships, while post-retargeting optimization enforces balance, contact, and collision avoidance. Subsequently, we apply HumiTransfer to 1,200 in-the-wild videos, producing approximately 500,000 frames of diverse interactions for the 26-DoF Unitree R1 Edu and the 23-DoF HighTorque Mini-hi humanoid robot, resulting in our HumiMimic dataset. Across both robots, HumiTransfer achieves superior motion fidelity, preserves inter-body relationships, and maintains contact accuracy compared with existing baselines. Moreover, we demonstrate that HumiMimic supports motion generation methods for synthesizing interactive humanoid motions following a human partner. Finally, our real robot deployments confirm the physical executability of the transferred motions in real-world settings.
• Abstract（参考訳）: ヒューマノイドを人間のパートナーと自然に相互作用させるには、個々の動きだけでなく、その相互作用の基盤となる空間的、意味的、接触関係(ハグ、ダンス、握手など)も保存する必要がある。 さらに、現実的な解法は、異なる形態とキネマティック制約を持つ様々なヒューマノイドの実施形態にまたがって一般化されるべきである。 この課題に対処するために,人間と人間のインタラクション映像を物理的に可視な人間-ヒューマノイドのインタラクションに変換するミメティック・エボディメント・トランスファー・フレームワークであるHumiTransferを提案する。 HumiTransferはまず、一貫した足場接触で3Dの人間の動きを再構築し、次に、重み付けされた関節相対方向と解剖学的オフセットを使用して、相互作用クリティカルな人体間の関係を優先順位付けし、再ターゲット後の最適化はバランス、接触、衝突回避を強制する。 その後、HumiTransferを1200本のビデオに適用し、26-DoFのUnitree R1 Eduと23-DoFのHighTorque Mini-hiヒューマノイドロボットのための50万フレームの多様なインタラクションを生成し、その結果、HumiMimicデータセットが得られた。 両ロボット全体では、HumiTransferは優れた動きの忠実さを達成し、身体間の関係を保ち、既存のベースラインと比較して接触精度を維持する。 さらに,HumiMimicは,対話型ヒューマノイド動作を人間のパートナーに追従して合成する動作生成法をサポートすることを示した。 最後に、実際のロボットの展開により、現実の環境での移動した動きの物理的実行性を確認する。

関連論文リスト

• 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)
• 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)
• 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)
• MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
  MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。 現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
  論文  参考訳（メタデータ） (2026-02-17T17:09:45Z)
• Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis [51.95817740348585]
  Human-Xは、様々な実体をまたいだ没入的で物理的に妥当なヒューマンインタラクションを可能にするために設計された、新しいフレームワークである。 本手法は, 自己回帰型反応拡散プランナを用いて, リアルタイムに反応と反応を同時予測する。 我々のフレームワークは、人間とロボットのインタラクションのための仮想現実インターフェースを含む、現実世界のアプリケーションで検証されている。
  論文  参考訳（メタデータ） (2025-08-04T06:35:48Z)
• InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
  関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。 そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-11-27T14:32:33Z)
• NIFTY: Neural Object Interaction Fields for Guided Human Motion Synthesis [21.650091018774972]
  我々は、特定の物体に付随する神経相互作用場を作成し、人間のポーズを入力として与えられた有効な相互作用多様体までの距離を出力する。 この相互作用場は、対象条件付きヒトの運動拡散モデルのサンプリングを導く。 いくつかの物体で座ったり持ち上げたりするための現実的な動きを合成し、動きの質や動作完了の成功の観点から、代替のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-07-14T17:59:38Z)

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。