論文の概要: HuG: Learning Humanoid Whole-Body Affordance-Aware Grasping with Active Perception
- arxiv url: http://arxiv.org/abs/2611.01659v1
- Date: Sun, 01 Nov 2026 07:11:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-12 15:32:33.328513
- Title: HuG: Learning Humanoid Whole-Body Affordance-Aware Grasping with Active Perception
- Title(参考訳): HuG:アクティブ・パーセプションによるHumanoid Whole-Body Affordance-Aware Graspingの学習
- Abstract要約: 本稿では,身近な知覚で身の回りを把握するための枠組みであるHuGを紹介する。
HuGはマルチレベルのシェルフタスクで87.5%の実際の成功を達成し、新しいオブジェクトに一般化し、テストされたすべての高さで少なくとも73%の成功を達成している。
- 参考スコア(独自算出の注目度): 10.247594274981838
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Acquiring objects in human environments is hard for humanoids: targets are partially occluded under egocentric viewpoints, and reaching them demands coordinated whole-body motion that keeps the target visible and reachable while the base stays stable. We present HuG, a framework for whole-body affordance-aware grasping with active perception that couples perception and action through a Perceive-Align-Grasp pipeline: belief-driven active perception resolves occlusion by treating viewpoint as an explicit decision variable; a point-cloud-conditioned affordance policy proposes whole-body grasps; and an affordance-aware alignment stage repositions the body to the most executable configuration. A key insight is that, on a floating base, kinematic validity is not enough: we curate training data with controller-in-the-loop dynamics simulation, rejecting 73% of kinematically valid grasps that would destabilize the deployment controller, so the policy learns kinodynamically feasible affordances. Trained entirely in simulation with zero real demonstrations, HuG attains 87.5% real-world success on a multi-level shelf task, generalizes to novel objects, and holds at least 73% success at every tested height. Beyond generalizing within its training distribution, the policy extrapolates spatially: at scale in simulation it succeeds at table heights well below any seen during training, indicating that kinodynamically filtered synthetic data grounds affordances in object geometry and whole-body feasibility rather than in memorized configurations.
- Abstract(参考訳): 人間環境における物体の獲得は、ヒューマノイドにとって難しい。目標の一部は自我中心の視点で隠蔽され、目標が安定している間、目標を可視かつ到達可能なように調整された全身運動が要求される。
本稿では,認識と行動のペアが知覚・アライメント・グラスプ・パイプラインを通した積極的認識を伴う全身のアライメントを把握するための枠組みであるHuGについて述べる。
キーとなる洞察は、フローティングベースでは、キネマティックな妥当性が十分ではないことである。我々は、コントローラ・イン・ザ・ループのダイナミックス・シミュレーションを用いてトレーニングデータをキュレートし、デプロイメント・コントローラを不安定にするキネマティックに有効な把握の73%を拒否する。
実演がゼロのシミュレーションで完全に訓練され、HuGはマルチレベルシェルフタスクで87.5%の実際の成功を達成し、新しいオブジェクトに一般化し、テストされたすべての高さで少なくとも73%の成功を達成している。
大規模なシミュレーションでは、トレーニング中に見られるどのテーブルの高さよりもかなり低い精度で成功し、キノダイナミックにフィルタリングされた合成データグラウンドは、記憶された構成ではなく、オブジェクト幾何学や全身実現可能性に余裕があることを示唆している。
関連論文リスト
- VOFA: Visual Object Goal Pushing with Force-Adaptive Control for Humanoids [35.671376073584305]
VOFAは視覚目標条件付きヒューマノイドロコ操作システムである。
未知の物理的特性を持つオブジェクトを任意の目標位置にプッシュすることができる。
VOFAは、ブースターT1ヒューマノイドロボットのシミュレーションと実世界の実験で広く評価されている。
論文 参考訳(メタデータ) (2026-05-02T16:16:23Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳(メタデータ) (2026-03-03T18:59:29Z) - Universal Pose Pretraining for Generalizable Vision-Language-Action Policies [83.39008378156647]
既存のVision-Language-Action(VLA)モデルは、しばしば機能崩壊と訓練効率の低下に悩まされる。
本稿では,VLAトレーニングを3次元空間前駆体抽出のための事前学習フェーズに分離する,分離されたパラダイムであるPose-VLAを提案する。
我々のフレームワークは2段階の事前学習パイプラインに従い、ポーズと動きのアライメントによる基本的な空間接地を確立する。
論文 参考訳(メタデータ) (2026-02-23T11:00:08Z) - HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。
我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。
ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文 参考訳(メタデータ) (2026-02-12T09:34:35Z) - Opening the Sim-to-Real Door for Humanoid Pixel-to-Action Policy Transfer [59.02729900344616]
GPUを加速したフォトリアリスティックなシミュレーションは、ロボット学習のためのスケーラブルなデータ生成パスを開いた。
視覚に基づくヒューマノイドロコ操作のための教師-学生-ブートストラップ学習フレームワークを開発した。
これは、純粋なRGB知覚を用いた多様な調音ロコ操作が可能な初めてのヒューマノイド・シム・トゥ・リアル政策である。
論文 参考訳(メタデータ) (2025-11-30T20:07:13Z) - ResMimic: From General Motion Tracking to Humanoid Whole-body Loco-Manipulation via Residual Learning [59.64325421657381]
ヒューマノイド全体のロコ操作は、日々のサービスや倉庫のタスクにトランスフォーメーション機能を約束する。
ResMimicは、人間の動作データから正確に表現力のあるヒューマノイド制御のための2段階の残差学習フレームワークである。
結果は、強いベースラインよりもタスク成功、トレーニング効率、堅牢性が大幅に向上したことを示している。
論文 参考訳(メタデータ) (2025-10-06T17:47:02Z)
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。