ヒューマノイド操作2026/10/19arXiv:2610.27242

身体性を考慮した手物体インタラクション生成によるヒューマノイド巧みな操作

EmbodyHOI: Embodiment-Aware Generation of Hand-Object Interactions for Humanoid Dexterous Manipulation

凍結した流れマッチング型HOI生成器のサンプリングループ内で、対象ヒューマノイドの微分可能IKソルバの勾配をフィードバックし、生成時点でロボットの到達可能性を制約することで、再学習なしに身体性ギャップを解消する手法を提案。

詳しい要約

1. どんなもの？

- 人間型ロボット(humanoid)の巧みな操作(dexterous manipulation)のための参照動作を生成する手法。 - テキスト条件付きの hand-object interaction (HOI) 生成器と、特定の humanoid embodiment 向けの differentiable IK solver を組み合わせる。 - 生成時に embodiment の到達可能性(reachability)を制約として組み込む点が特徴。

2. 先行研究と比べてどこがすごい？

- 従来の HOI 生成器は人間(MANO)空間で動作を合成し、embodiment gap を事後的な retargeting に委ねていた。 - 事後 retargeting では物体との接触維持に失敗し、policy learning を劣化させる問題があった。 - EmbodyHOI は生成段階で embodiment を考慮するため、再学習なしで複数の humanoid に転移できる。

3. 技術・手法の肝は？

- 凍結した flow-matching HOI trajectory generator のサンプリングループ内に、humanoid 用の differentiable inverse-kinematics (IK) solver を組み込む。 - embodiment-aware IK solver からの勾配を HOI sampler にフィードバックし、物体に対する humanoid の位置を同時最適化。 - guidance は推論時のみ作用するため、人間の手姿勢で学習した生成器を再学習なしで転移可能。

4. どうやって有効だと検証した？

- ARCTIC 軌跡上で、対照的な2体の humanoid (Unitree G1 と H1-2) を用いて検証。 - retargeted wrist error を 8.9 cm から 0.6 cm に削減し、text-to-HOI 生成品質は維持。 - タスク成功率が G1 のランダム50タスクで 68%→79%、H1-2 の4タスクスイートで 62%→76% に向上。

5. 議論はある？

- 事後的な wrist refinement や compute-matched best-of-N selection は、より低い IK energy に達するものの、学習される policy は EmbodyHOI より劣る。 - embodiment gap を橋渡しする安価な代替手法は EmbodyHOI を上回れないと報告。 - 詳細な議論や限界については要旨からは不明。

6. 次に読むべき論文は？

- 比較対象として言及された post-hoc wrist refinement および compute-matched best-of-N selection の関連研究。 - 基盤となる text-conditioned HOI 生成器(flow-matching 系)および MANO 空間の HOI 生成研究。 - retargeting や human-to-humanoid motion transfer の定番手法。

※ 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: Chaitanya Chawla, Kartik Sharma, Ananya Bal, Laszlo A. Jeni, Guanya Shi

分類: cs.RO

原文アブストラクト

Humanoid dexterous manipulation needs reference motions that are both semantically rich and kinematically feasible for the target robot. Text-conditioned hand-object interaction (HOI) generators supply diverse, language-specified demonstrations, but they synthesize motion in human (MANO) space. The embodiment gap is therefore deferred to post-hoc retargeting, where trajectories deployed on the robot can fail to maintain contact with objects and also degrade policy learning. Our key idea is that robot reachability should constrain the interaction trajectories while they are being generated. We present EmbodyHOI, which runs a differentiable inverse-kinematics (IK) solver for a specific humanoid embodiment inside the sampling loop of a frozen flow-matching HOI trajectory generator. We feed back gradients from the embodiment-aware IK solver into the HOI sampler and jointly optimize the position of the humanoid with respect to the object. Because guidance acts only at inference, one HOI trajectory generator trained on human hand poses transfers across humanoid embodiments without retraining. On ARCTIC trajectories with two contrasting humanoids (Unitree G1 and H1-2), our proposed guidance-based method cuts the retargeted wrist error from 8.9 cm to 0.6 cm while leaving text-to-HOI generation quality intact, and raises task success from 68% to 79% on 50 random G1 tasks and from 62% to 76% on a four-task H1-2 suite. Critically, cheaper alternatives for bridging the embodiment gap fail to beat EmbodyHOI. Post-hoc wrist refinement and compute-matched best-of-N selection both reach lower IK energy than our guidance yet train worse policies. For simulation results, see our website: https://embodyhoi.github.io/

arXivで原文を読む →arXiv概要ページ

身体性を考慮した手物体インタラクション生成によるヒューマノイド巧みな操作

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？

原文アブストラクト

関連論文

今週よく読まれている記事

OZ GAMING（GPU搭載BTOゲーミングPC）

双腕モバイルマニピュレーター OpenShell