HuBE: ヒューマノイドロボットのための異機種対応ヒトらしい行動実行
HuBE: Cross-Embodiment Human-like Behavior Execution for Humanoid Robots
ロボット状態・目標姿勢・文脈を統合した二層閉ループで、ヒトらしい動きの類似性と適切性を両立し、骨格スケーリングによるデータ拡張で異なるヒューマノイド間の転移を可能にした。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Shipeng Lyu, Fangyuan Wang, Weiwei Lin, Luhao Zhu, David Navarro-Alarcon, Guodong Guo
分類: cs.RO
原文アブストラクト
Achieving both behavioral similarity and appropriateness in human-like motion generation for humanoid robot remains an open challenge, further compounded by the lack of cross-embodiment adaptability. To address this problem, we propose HuBE, a bi-level closed-loop framework that integrates robot state, goal poses, and contextual situations to generate human-like behaviors, ensuring both behavioral similarity and appropriateness, and eliminating structural mismatches between motion generation and execution. To support this framework, we construct HPose, a context-enriched dataset featuring fine-grained situational annotations. Furthermore, we introduce a bone scaling-based data augmentation strategy that ensures millimeter-level compatibility across heterogeneous humanoid robots. Comprehensive evaluations on multiple commercial platforms demonstrate that HuBE significantly improves motion similarity, behavioral appropriateness, and computational efficiency over state-of-the-art baselines, establishing a solid foundation for transferable and human-like behavior execution across diverse humanoid robots.
関連論文
- 人間同士のデモンストレーションから全身ヒューマノイド相互作用を学習するヒューマノイド/模倣学習
- Mimicking-Bench: 人間模倣による汎化可能なヒューマノイド-シーンインタラクション学習のベンチマークヒューマノイド/模倣学習
