上半身ヒューマノイドロボット遠隔操作のための閉形式幾何学的リターゲティング解法

- 人間の上半身動作を双腕ヒューマノイドロボットアームへ写像するteleoperation向けretargeting手法。 - 名称はSEW-Mimic。肩・肘・手首(shoulder, elbow, wrist; SEW)のkeypointから上腕・前腕の向きを同定し、ロボットアームをその向きに合わせる。 - retargetingを位置合わせではなく向き合わせ問題として再定式化し、closed-formの幾何学的解法と最適性保証を与える。 - 商用CPUで3 kHzの高速推論を実現し、双腕自己衝突回避のsafety filterなど下流処理の余裕を残す。 - 7自由度アームやhumanoidに適合し、keypoint入力源に依存しない。

- 既存手法はロボットend-effectorを人間の手の位置・向きに一致させる最適化を行うため、準最適・低速で、不要な動きやlatencyを生じやすい。 - またend-effector一致型ではロボットのworkspaceが人間のworkspaceに制限される。 - 本手法は向き合わせ問題へ再定式化することでclosed-form解と最適性保証を得て、計算時間と精度で他retargeting手法を上回る。 - 3 kHz推論により下流アプリの計算余裕を確保する点も従来と異なる。

- retargetingをorientation alignment問題として捉え、closed-formの幾何学的アルゴリズムで解く。 - SEW keypointから人間の上腕・前腕の向きを同定し、ロボットアームをその向きに整列させる。 - 最適性保証付きの解を返し、7自由度アームやhumanoidに適用可能。 - 入力keypoint源に非依存で、商用CPU上で3 kHzの推論を実現。 - 下流例として双腕自己衝突を避けるsafety filterを組み込む。

- 他retargeting手法と比較し、計算時間と精度で優位であることを実験で示す。 - pilot user studyによりteleoperationタスク成功率の改善を示唆。 - SEW-Mimicで収集したデータがよりsmoothであるためpolicy learningを改善する予備解析を示す。 - full-body humanoid retargetingを加速するdrop-in手法としても機能することを示す。 - ハードウェア実演により実用性を例示。

- 既存手法のend-effector位置・向き一致最適化が準最適・低速で、不要な動きやlatency、workspace制限を生む点を問題視。 - 向き合わせへの再定式化によりclosed-form解と最適性保証が得られ、高速推論が下流処理の余裕を生むと主張。 - pilot user studyや予備解析は示唆に留まり、大規模検証や限界は要旨からは不明。

- 要旨で参照/比較されている既存retargeting手法(具体的名称は要旨からは不明)。 - end-effector位置・向き一致に基づく最適化型retargeting。 - full-body humanoid retargeting。 - policy learning(模倣学習)関連。 - safety filter(双腕自己衝突回避)。