AdaMorph: 身体性適応型Transformerによる統合モーションリターゲティング
AdaMorph: Unified Motion Retargeting via Embodiment-Aware Adaptive Transformers
人間の動作を多様なロボット形態へ変換する際、単一モデルで対応できる統合的なニューラルリターゲティング手法を提案。身体性制約に応じて特徴を動的に調整し、12種の人型ロボットでゼロショット汎化を実証した。
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: Haoyu Zhang, Shibo Jin, Lusong Li, Jun Li, Liang Lin, Xiaodong He, Zecui Zeng
分類: cs.RO
原文アブストラクト
Retargeting human motion to heterogeneous robots is a fundamental challenge in robotics, primarily due to the severe kinematic and dynamic discrepancies between varying embodiments. Existing solutions typically resort to training embodiment-specific models, which scales poorly and fails to exploit shared motion semantics. To address this, we present AdaMorph, a unified neural retargeting framework that enables a single model to adapt human motion to diverse robot morphologies. Our approach treats retargeting as a conditional generation task. We map human motion into a morphology-agnostic latent intent space and utilize a dual-purpose prompting mechanism to condition the generation. Instead of simple input concatenation, we leverage Adaptive Layer Normalization (AdaLN) to dynamically modulate the decoder's feature space based on embodiment constraints. Furthermore, we enforce physical plausibility through a curriculum-based training objective that ensures orientation and trajectory consistency via integration. Experimental results on 12 distinct humanoid robots demonstrate that AdaMorph effectively unifies control across heterogeneous topologies, exhibiting strong zero-shot generalization to unseen complex motions while preserving the dynamic essence of the source behaviors.
関連論文
- 学習された点群対応によるヒューマノイドの統合モーションリターゲティングモーションリターゲティング
- 接触を狙う: 動的モーションリターゲティングのための接触暗黙的多重シューティングモーションリターゲティング
- ReActor: 物理を考慮したモーションリターゲティングのための強化学習モーションリターゲティング
- 乳児からヒューマノイドへのモーションリターゲティングによる一人称感覚運動経験のシミュレーションモーションリターゲティング
- 人体事前知識を活用したモーションリターゲティングのためのデータペアリング再定義モーションリターゲティング
