論文の概要: Geometry-Aware Humanoid Retargeting via Manifold ODEs

• arxiv url: http://arxiv.org/abs/2610.41349v1
• Date: Fri, 30 Oct 2026 07:06:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.638436
• Title: Geometry-Aware Humanoid Retargeting via Manifold ODEs
• Title（参考訳）: 形状認識によるマニフォールドODEによるヒューマノイドのリターゲティング
• Abstract要約: 我々は,人間をヒューマノイドに移動させながら,物体や地形との関係を保ちながら,対話保存運動に焦点をあてる。 OmniRetargetのような以前の作業は、時間的に制約された最適化を通じてこのタスクに対処し、各フレームで逐次2次プログラミング(SQP)の繰り返しを必要とする。 ロボット構成多様体上のODEとしてフレームワイドKa-Kuhn-Tucker(KKT)条件の連続時間をモデル化することにより、通常の微分方程式(ODE)の観点からこの問題を研究する。
• 参考スコア（独自算出の注目度）: 9.81708263353516
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we focus on interaction-preserving motion retargeting, which transfers human demonstrations to humanoids while maintaining spatial relationships with objects and terrain. Previous work, such as OmniRetarget, addresses this task through temporally coupled constrained optimization, requiring repeated sequential quadratic programming (SQP) iterations at each frame. We study this problem from an ordinary differential equation (ODE) perspective by modeling the continuous-time limit of its framewise Karush-Kuhn-Tucker (KKT) conditions as an ODE on the robot configuration manifold. This viewpoint offers two benefits: (i) it connects OmniRetarget's SQP iterations to a backward discretization of the ODE, enabling us to establish their local convergence under suitable regularity assumptions; and (ii) it leads to TaSP-KKT (tangent-space parametrization for KKT flow), a new retargeting method based on a forward discretization of the KKT flow. The proposed method achieves the same first-order convergence to the ODE solution as the corresponding backward scheme while requiring only one weighted tangent-cone projection and a closed-form manifold update per step, thereby avoiding repeated inner SQP iterations. Numerical experiments show that TaSP-KKT achieves retargeting quality comparable to, though slightly lower than, that of OmniRetarget while running approximately twice as fast.
• Abstract（参考訳）: 本稿では,物体や地形との空間的関係を保ちながら,人間のデモをヒューマノイドに伝達するインタラクション保存運動再ターゲティングに焦点を当てる。 OmniRetargetのような以前の作業は、時間的結合された制約付き最適化によってこのタスクに対処し、各フレームで逐次2次プログラミング(SQP)の繰り返しを必要とする。 ロボット構成多様体上のODEとしてフレームワイドKKT条件の連続時間限界をモデル化することにより、通常の微分方程式(ODE)の観点からこの問題を研究する。 この視点は2つの利点をもたらす。 i) OmniRetarget の SQP 反復を ODE の後方離散化に接続することで、適切な正則性仮定の下で局所収束を確立することができる。 (II) KKTフローの前方離散化に基づく新しい再ターゲット手法であるTaSP-KKT(Tangent-space parametrization for KKT flow)を導出する。 提案手法は, 1段階に1つの重み付き接円錐投影と閉形式多様体更新しか必要とせず, 同時に内部SQPイテレーションを繰り返すことなく, ODE溶液への一階収束を実現する。 数値実験により、TaSP-KKTはOmniRetargetの約2倍の速さで、OmniRetargetに匹敵するリターゲット品質を達成することが示された。

関連論文リスト

• A Transformer-based Approach for Real-time Multi-agent Path Planning with Varying Initial/Final Conditions [1.6804758225414576]
  本稿では,初期および最終軌道におけるリアルタイムマルチエージェント計画の問題に対処する。 本稿では,逆座標変換をシンプルかつ解析的に抽出可能な空間にマッピングするトランスフォーマーベースニューラルネットワークを提案する。 境界条件の分布をトレーニングすると、償却されたOCFormerは、ほぼ最適な初期設定と最終構成を1つの前方パスで生成する。
  論文  参考訳（メタデータ） (2026-10-21T19:48:21Z)
• LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection [50.3892176822492]
  赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。 深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。 深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。 これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
  論文  参考訳（メタデータ） (2026-07-06T02:15:09Z)
• Neural Continuous-Time Markov Chain: Discrete Diffusion via Decoupled Jump Timing and Direction [18.20305761007799]
  我々は,2つの専用ネットワークヘッドを用いて,エフェキシットレート(ジャンプ時)とエフェジュンプ分布(ジャンプ時)で逆処理をパラメータ化するtextbfNeural CTMCを提案する。 我々は、エビデンスローバウンド(ELBO)が、真と学習された逆過程の経路空間KL分散と$$非依存定数で異なることを示す。 また, トラクタブル条件付きサロゲートは標準正則性仮定の下で, 対応する限界逆プロセス対象の勾配と最小化を保っていることを示す。
  論文  参考訳（メタデータ） (2026-04-17T04:40:19Z)
• Score-Guided Proximal Projection: A Unified Geometric Framework for Rectified Flow Editing [1.0312968200748118]
  Rectified Flowモデルは最先端の世代品質を実現するが、正確なタスクのためにそれらを制御することは依然として困難である。 現在のアプローチは「幾何学的ロック」に苦しむ逆法に基づくガイダンスに分岐する Score-Guided Proximal Projectionは,決定論的最適化と縮尺サンプリングのギャップを埋める統一フレームワークである。
  論文  参考訳（メタデータ） (2026-03-05T23:44:45Z)
• Bidirectional Feature-aligned Motion Transformation for Efficient Dynamic Point Cloud Compression [97.66080040613726]
  特徴空間における動きを暗黙的にモデル化する双方向特徴整合運動変換(Bi-FMT)フレームワークを提案する。 Bi-FMTは、時間的に一貫した潜在表現を生成するために、過去と将来の両方のフレームで機能を調整する。 圧縮効率とランタイムの両方において, Bi-FMT が D-DPCC と AdaDPCC を上回っていることを示す。
  論文  参考訳（メタデータ） (2025-09-18T03:51:06Z)
• Train with Perturbation, Infer after Merging: A Two-Stage Framework for Continual Learning [57.514786046966265]
  textbfPerturb-and-Merge(P&M)は,モデルマージをCLパラダイムに統合し,忘れを緩和する新しい連続学習フレームワークである。 提案手法は,複数の連続学習ベンチマークデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-05-28T14:14:19Z)
• STaR: Seamless Spatial-Temporal Aware Motion Retargeting with Penetration and Consistency Constraints [12.307413108334657]
  時空間運動再ターゲティング(STaR)のための新しいシーケンス・ツー・シーケンスモデルを提案する。 STaRは,(1)高密度な形状表現を組み込んだ空間モジュールと,(2)動きのセマンティクスを保ちながら幾何的可視性を確保するための新しい手足浸透制約と,(2)時間変換器と時間的整合性制約を用いて,多段軌道の滑らかさを保ちながら運動列全体を同時に予測する時間モジュールの2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2025-04-09T00:37:08Z)
• Towards Continual Learning Desiderata via HSIC-Bottleneck Orthogonalization and Equiangular Embedding [55.107555305760954]
  本稿では,レイヤワイドパラメータのオーバーライトや決定境界の歪みに起因する,概念的にシンプルで効果的な手法を提案する。 提案手法は,ゼロの指数バッファと1.02倍の差が絶対的に優れていても,競争精度が向上する。
  論文  参考訳（メタデータ） (2024-01-17T09:01:29Z)

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。