Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction

Created by
  • Haebom

作者

Lujie Yang, Xiaoyu Huang, Zhen Wu, Angjoo Kanazawa, Pieter Abbeel, Carmelo Sferrazza, C. Karen Liu, Rocky Duan, Guanya Shi

OmniRetarget: Interaction-Preserving Retargeting for Humanoid Robot Skills

概要

この論文は、複雑な技術を教えるために人間の行動を再パラメータ化して強化学習(RL)方針を訓練する既存の方法の問題を解決しようとします。特に、人間とロボットの間の身体的な違いによる問題と、表現力のある動きとロコ操作に不可欠な人間 - オブジェクトと人間 - 環境相互作用の無視を指摘します。 OmniRetargetは、対話メッシュに基づいて、エージェント、地形、および操作されたオブジェクト間の空間的および接触関係を明示的にモデル化および保存するデータ生成エンジンです。ラプラシアの変形を最小化し、運動学的制約を適用することによって、OmniRetargetは運動学的に実行可能な軌跡を生成する。さらに、作業関連の相互作用を維持することで、単一のデモからさまざまなロボットの身体、地形、およびオブジェクト構成への効率的なデータ拡張を可能にします。 OMOMO、LAFAN1、独自のモーションキャプチャデータセットからの動作を再パラメータ化して8時間以上の軌跡を生成し、広く使用されているベースラインよりも優れた運動学的制約の満足と接触保存を達成しました。これらの高品質データにより、自己収容型RLポリシーは、5つの補償項とすべての作業で共有される単純なドメインランダム化のみで、Unitree G1ヒューマノイドで最大30秒の長期的なパクールおよびロコ操作技術を成功裏に実行できます。

Takeaways、Limitations

Takeaways:
人間とロボットの間の物理的な違いを克服する:フットスケートや浸透などの物理的に実行できないアーティファクトの問題を解決しました。
相互作用の保存:人間 - オブジェクトと人間 - 環境の相互作用を明示的にモデル化して保存し、表現力のある動作とロコ - 操作技術学習を支援します。
効率的なデータ拡張:単一のデモからさまざまな環境とロボット構成のデータを生成できます。
パフォーマンスの向上:従来の方法論と比較して改善された運動学的制約の満足と接触保存の達成。
実用性:Unitree G1ヒューマノイドロボットにおけるパクールとロコ操作技術の成功した実行。
Limitations:
論文に記載されているLimitationsはありません。 (Abstractの内容にLimitationsへの直接的な言及はありません)
👍