Pro-HOI: 知覚に基づくルート誘導型ヒューマノイド物体インタラクション

- 人型ロボットのHumanoid-Object Interaction (HOI) タスクを信頼性高く実行するためのフレームワーク「Pro-HOI」を提案。 - 汎用的な制御インターフェースと堅牢な閉ループ知覚機構を欠く課題に対処。 - 実世界展開に適したbox-carrying動作を収集し、Signed Distance Field lossでpenetration artifactsを最適化。 - ルート軌道を条件とし、参照動作を報酬としてのみ使用する新規訓練フレームワークを提案。 - 持続的な物体推定モジュールを組み込み、リアルタイム検出とDigital Twinを融合。 - Unitree G1ロボットで実証し、一般化と堅牢性でベースラインを大幅に上回る。

- 従来のHOIタスクでは汎用制御インターフェースと堅牢な閉ループ知覚が不足していた。 - 提案手法はルート軌道を高レベルプランナーの普遍インターフェースとし、ナビゲーションとloco-manipulationを同時に実現。 - 参照動作を報酬としてのみ使用することで、複雑な報酬調整を不要にした。 - 持続的物体推定モジュールにより、スリッページ検出と再把持を自律的にトリガー可能。 - 実世界の複雑なシナリオで長期間の実行を実現し、ベースラインを大幅に上回る性能を示した。

- 実世界展開に適したbox-carrying動作を収集し、Signed Distance Field lossでpenetration artifactsを最適化。 - ポリシーを所望のルート軌道に条件付け、参照動作を報酬としてのみ使用する訓練フレームワークを提案。 - ルート軌道を高レベルプランナーの普遍インターフェースとして確立し、ナビゲーションとloco-manipulationを同時に可能に。 - 持続的物体推定モジュールを組み込み、リアルタイム検出とDigital Twinを融合。 - このモジュールにより、ロボットが自律的にスリッページを検出し、再把持動作をトリガー。

- Unitree G1ロボットを用いた実証実験を実施。 - Pro-HOIが一般化と堅牢性においてベースラインを大幅に上回ることを示した。 - 複雑な実世界シナリオで信頼性の高い長期間実行を達成。 - 具体的な評価指標や比較手法の詳細は要旨からは不明。

- 提案手法の有効性は実証されたが、限界や課題についての議論は要旨からは不明。 - 一般化可能性や他のタスクへの適用性に関する議論は要旨からは不明。 - 計算コストやリアルタイム性の詳細は要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、Humanoid-Object Interaction (HOI)、loco-manipulation、Signed Distance Field、Digital Twin、Unitree G1ロボットに関する研究が挙げられる。 - 同分野の定番として、強化学習ベースのロコモーションとマニピュレーションの統合研究が参考になる。