日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ヒューマノイドarXiv:2510.11072

PhysHSI:実世界で汎化可能な自然なヒューマノイド・シーンインタラクションシステム

PhysHSI: Towards a Real-World Generalizable and Natural Humanoid-Scene Interaction System

シェア:XThreadsFacebookLINEはてブBluesky

シミュレーションでの敵対的動作事前分布に基づく方策学習と、LiDARとカメラを組み合わせた粗から細への物体位置推定により、ヒューマノイドが実世界で物体運搬や着座などの多様なインタラクションを自然に自律実行できるシステムを構築した。

詳しい要約

1. どんなもの?

- 実世界で人間型ロボット(humanoid)が物体運搬や着座などの対人環境インタラクションを自律遂行するシステム PhysHSI の提案 - 構成は simulation での訓練パイプラインと実世界 deployment システムの二部からなる - 多様な interaction task を自然で lifelike な動作で行うことを目指す - 対象タスクは box carrying, sitting, lying, standing up の4種

2. 先行研究と比べてどこがすごい?

- 先行研究は scene perception や motion generation を個別に進展させてきたが、統一システムでの統合は未解決課題だった - PhysHSI は知覚と動作生成を一つのシステムに統合し、自律的な humanoid-scene interaction を実現 - simulation 訓練と実世界 deployment の両面をカバーする点が従来との差異 - 具体的な先行研究名や定量比較は要旨からは不明

3. 技術・手法の肝は?

- simulation 側では adversarial motion prior ベースの policy learning を採用 - 多様なシナリオの natural humanoid-scene interaction データを模倣し、generalization と lifelike 動作を両立 - 実世界側では coarse-to-fine object localization module を導入 - 同モジュールは LiDAR と camera 入力を組み合わせ、連続的で robust な scene perception を提供

4. どうやって有効だと検証した?

- box carrying, sitting, lying, standing up の4代表タスクで検証 - simulation と real-world の両設定で評価を実施 - 高い success rate、多様な task goal への強い generalization、natural motion pattern を確認したと報告 - 具体的な被験者数や定量指標の詳細は要旨からは不明

5. 議論はある?

- 知覚と動作の統合システムとしての有効性を主張するが、限界や失敗事例の記述は要旨からは不明 - 実世界での robust 性を LiDAR と camera の融合で担保する設計意図が読み取れる - タスク一般化の範囲や未知環境への適用性についての議論は要旨からは不明 - simulation と real のギャップに関する定量的議論も要旨からは不明

6. 次に読むべき論文は?

- adversarial motion prior を用いた humanoid motion imitation 関連研究(例: AMP 系の手法) - humanoid-scene interaction の学習に関する先行研究 - LiDAR と camera を融合する coarse-to-fine object localization / 3D object detection 研究 - sim-to-real 転移や humanoid loco-manipulation の定番研究

※ 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: Huayi Wang, Wentao Zhang, Runyi Yu, Tao Huang, Junli Ren, Feiyu Jia, Zirui Wang, Xiaojie Niu, Xiao Chen, Jiahe Chen, Qifeng Chen, Jingbo Wang, Jiangmiao Pang

分類: cs.RO, cs.AI, cs.LG, cs.SY, eess.SY

原文アブストラクト

Deploying humanoid robots to interact with real-world environments--such as carrying objects or sitting on chairs--requires generalizable, lifelike motions and robust scene perception. Although prior approaches have advanced each capability individually, combining them in a unified system is still an ongoing challenge. In this work, we present a physical-world humanoid-scene interaction system, PhysHSI, that enables humanoids to autonomously perform diverse interaction tasks while maintaining natural and lifelike behaviors. PhysHSI comprises a simulation training pipeline and a real-world deployment system. In simulation, we adopt adversarial motion prior-based policy learning to imitate natural humanoid-scene interaction data across diverse scenarios, achieving both generalization and lifelike behaviors. For real-world deployment, we introduce a coarse-to-fine object localization module that combines LiDAR and camera inputs to provide continuous and robust scene perception. We validate PhysHSI on four representative interactive tasks--box carrying, sitting, lying, and standing up--in both simulation and real-world settings, demonstrating consistently high success rates, strong generalization across diverse task goals, and natural motion patterns.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI