接触アンカリング再ターゲティングと残差方策学習による人間実演からの器用なロボットマニピュレーション

- 人間のmotion-capture記録からdexterous robot policiesを学習する手法。 - 実ロボット訓練データを一切使わない。 - 3段階pipeline: physics refinement、contact-anchored retargeting、residual policy learning。 - 単一のresidual RL policyを多様なdemonstrationsで一度訓練し、物理的に整合したcontact-annotated trajectoriesへ修復。 - 25,454 single-hand trajectoriesと25 dual-hand tasksを再構成。 - 4つの形態の異なるrobot handsへ1つのhuman datasetを転移。 - 実機で4つのcontact-rich bimanual tasksを実行。

- 従来のdemonstration学習は、grasp成功を決めるcontact forcesがscalableなhuman demonstrationsに欠けることがbottleneck。 - 本手法は、human handからrobot handへ残るのはjoint motionではなくcontact structure(どの指領域がどの物体位置に触れ、どの順序か)であると観察。 - 物理的整合性をタスクごとに設計する必要はなく、単一のresidual RL policyで多様なdemonstrationsを修復可能と主張。 - 同じresidual formulationがretargeting後の動的実現可能性も回復。 - 実ロボット訓練データなしでdexterous policiesを生成。 - 成功率: single-hand 7.3%→59.3%、dual-hand 16.0%→62.4%。 - 1つのhuman datasetを4つの形態の異なるrobot handsへ転移し+62.4 pp。

- 3段階pipeline。 - 第1段階: simulated MANO handによるphysics refinementでcontactsとforcesを回復。 - 第2段階: contact-anchored retargeting。hand morphologyに依存しないobjectiveで、demonstrated contact structureを転移。 - 第3段階: residual policy learningでrobot actuationに適応。 - 単一のresidual RL policyを多様なdemonstrationsで一度訓練し、kinematic recordingsを物理的に整合したcontact-annotated trajectoriesへ修復。 - 同じresidual formulationをretargeting後の動的実現可能性回復にも使用。

- 25,454 single-hand trajectoriesを再構成(success 7.3%→59.3%)。 - 25 dual-hand tasksを再構成(16.0%→62.4%)。 - 各設定につき1つのshared policyを使用。 - 1つのhuman datasetを4つの形態の異なるrobot handsへ転移(+62.4 pp)。 - 実機で4つのcontact-rich bimanual tasksを実行。 - 実ロボット訓練データはゼロ。

- 要旨からは不明。 - 限界、失敗事例、計算コスト、sim-to-real gap、汎化範囲についての議論は要旨に記載なし。

- 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、human-to-robot retargeting、residual reinforcement learning、MANO hand model、motion-captureからのdemonstration learning、contact-rich manipulationが挙げられる。 - 同分野の定番として、Dexterous Manipulation from Human Demonstrations、Retargeting、Residual RL、Sim-to-Real Transferに関する研究を読むべき。