コンパクト参照追従による低遅延全身ヒューマノイド遠隔操作

- HuMiTは、ヒューマノイドの全身テレオペレーションシステム。 - 単一のunified tracking policyで駆動。 - 参照目標はroot height、root velocity、4つのsparse keypointsのSE(3) poses（現フレームのみ）というcompactな構成。 - Unitree G1上で動作し、ボールキャッチのような即応動作やloco-manipulationを実演。

- 既存のmotion tracking policiesはfull joint positions、dense body-part transformations、future framesなど密な参照を要求し、上流モジュールと強く結合していた。 - HuMiTはcompactな参照のみで、それら多様な参照状態を用いる手法に匹敵するtracking fidelityを達成。 - optimization-based retargetingやfuture-frame conditioning由来の計算遅延を回避する点が利点。

- 統一されたtracking policyがcompact reference targetのみを入力とする設計。 - 参照はroot height、root velocity、4つのsparse keypointsのSE(3) poses（現フレーム）に限定。 - これにより上流の高コストretargetingモジュールへの依存を低減し、低遅延化を狙う。 - 詳細なネットワーク構成や学習手順は要旨からは不明。

- Unitree G1 humanoid上でシステムを検証。 - headset streamingからpolicy出力までのcommunication-to-inference latencyが約20 ms。 - video-based optical flow latencyは異なるmotion typesで中央値65 ms。 - 投げられたボールのキャッチなどsplit-secondのreactive responseと、coordinated loco-manipulationを実演。

- compact referenceで密な参照手法に匹敵する追従精度を主張するが、定量的な比較詳細は要旨からは不明。 - 遅延指標は計測条件やmotion typesへの依存があり、詳細な評価範囲は要旨からは不明。 - 汎化性やロバスト性、長期運用に関する議論は要旨からは不明。

- 比較対象として言及される密な参照（full joint positions、dense body-part transformations、future frames）を用いるmotion tracking policies。 - optimization-based retargeting pipelines。 - future-frame conditioningを用いる手法。 - 同分野の定番としてhumanoid teleoperationおよびwhole-body motion trackingの関連研究。