sim2real2026/9/21arXiv:2609.24778

H2RBench：人間からロボットへの転移を評価するReal-to-Simベンチマーク

H2RBench: A Real-to-Sim Benchmark for Evaluating Human-to-Robot Transfer

人間の動画デモからロボット操作を学習するH2R転移手法を公平に比較するため、実人間動画とシミュレーションロボット実演に基づく標準ベンチマークを構築し、複数手法の性能を体系的に評価した。

詳しい要約

1. どんなもの？

- 人間の動画デモからロボット操作方策を学習する Human-to-Robot (H2R) 転移手法を評価するための Real2Sim ベンチマーク。 - 実人間動画デモとシミュレーションロボットデモに基づく標準化プロトコルを提供。 - 多様な相互作用要件を持つ4つの manipulation タスクを含む。 - 実世界展開前に H2R 手法を比較評価する実用的でスケーラブルなベンチマークを確立。

2. 先行研究と比べてどこがすごい？

- 既存の H2R 転移手法は、タスクスイート、シーン配置、物体インスタンス、ロボット監督量など異なる設定で評価されており比較が困難。 - H2RBench は標準化プロトコルを提供し、異なる embodiment gap 橋渡し戦略を採用する複数の代表的手法を同一条件で評価可能。 - 人間デモ量に対する各手法のスケーリング特性を体系的に特徴づけ、追加人間データの活用能力の差を明らかにする。

3. 技術・手法の肝は？

- 実人間動画デモとシミュレーションロボットデモを組み合わせた Real2Sim ベンチマークを構築。 - 4つの manipulation タスクを設定し、多様な相互作用要件をカバー。 - 複数の代表的な H2R 転移手法を評価し、各手法の embodiment gap 橋渡し戦略の違いを比較。 - 人間デモ量を変化させてスケーリング特性を系統的に分析。

4. どうやって有効だと検証した？

- 複数の代表的な H2R 転移手法を H2RBench 上で評価。 - シミュレーション性能が実世界ロボット性能を広く予測できることを示す。 - 手法-タスク構成全体で Pearson 相関 r = 0.89、Spearman 相関 ρ = 0.85、Mean Maximum Rank Violation (MMRV) = 0.06 を報告。

5. 議論はある？

- 各手法が人間デモ量の増加にどうスケールするかを特徴づけ、追加人間データの活用能力に大きな差があることを示す。 - シミュレーション性能が実世界性能を予測できることを示し、実世界展開前の比較評価に有効であると主張。 - 具体的な限界や課題については要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている具体的な H2R 転移手法名は記載されていない。 - 同分野の関連手法として、human video demonstrations からの robot manipulation policy learning、Real2Sim transfer、embodiment gap を橋渡しする手法などが挙げられる。 - 具体的な論文名は要旨からは不明。

※ 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: Chuyang Xiao, Haotian Zhan, Sriram Krishna, Peilin Meng, Muhammad Zubair Irshad, Sergey Zakharov, David Held

分類: cs.RO

原文アブストラクト

Learning robot manipulation policies from human video demonstrations constitutes a promising avenue for scalable robot learning. However, comparing different human-to-robot (H2R) transfer methods remains challenging, as existing approaches are evaluated under different settings, including differing task suites, scene layouts, object instances, and amounts of robot supervision. To address this challenge, we present H2RBench, a Real2Sim benchmark for evaluating H2R transfer methods. H2RBench provides a standardized protocol built on real human video demonstrations and simulated robot demonstrations, and includes four manipulation tasks spanning diverse interaction requirements. We evaluate multiple representative H2R transfer methods, each adopting a different strategy for bridging the embodiment gap. Using H2RBench, we systematically characterize how each method scales with the amount of human demonstrations, revealing that methods differ substantially in their ability to leverage additional human data. We further show that simulation performance is broadly predictive of real-world robot performance, with an overall Pearson correlation of r = 0.89, Spearman correlation of \r{ho} = 0.85 and Mean Maximum Rank Violation (MMRV) of 0.06 across method-task configurations. These results establish H2RBench as a practical and scalable benchmark for comparative H2R evaluation prior to real-world deployment.

arXivで原文を読む →arXiv概要ページ

H2RBench：人間からロボットへの転移を評価するReal-to-Simベンチマーク

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