PiHand: 物理ベース方策学習のための潜在的な手と物体の相互作用事前分布

- 物理的に整合した dexterous hand-object interaction を合成するフレームワーク PiHand の提案。 - VR/AR、ゲーミング、ロボティクスへの応用を想定。 - 課題は接触ダイナミクス、多様な物体形状、目標軌道の同時充足と自然な grasp の維持。 - mocap 軌道追従の expert policy を蒸留し、goal-conditioned VAE による hand-object interaction prior を構築。 - その latent space 上での bounded residual exploration により多様な dexterous manipulation を解く。

- 既存手法は mocap 軌道追従型で新規物体への転移が限定的、または hand-only の generative prior で coupled hand-object motion を捉えられず接触忠実性と sample efficiency を犠牲にしていた。 - PiHand は hand-object interaction を統合した prior を学習し、単一 reward・複雑な curriculum なしで汎用 tabletop manipulation policy を得る点が新しい。 - 訓練にほぼ無い object catching や bimanual handover にも同一 prior が転移する点が先行研究と異なる。

- まず simulation 上で mocap demonstration を追従する expert policy を訓練。 - それらを goal-conditioned VAE に蒸留し、統一的な hand-object interaction prior を獲得。 - 推論時は latent space 内で bounded residual exploration を行い、多様な dexterous manipulation タスクを解く。 - 単一 reward のみで学習し、複雑な curriculum training を必要としない設計。

- GRAB と DexYCB 上で tabletop manipulation を評価し、未見物体・未見軌道への汎化を検証。 - 訓練データにほぼ含まれない object catching と bimanual handover への転移も検証。 - 全タスク・全指標で baseline を一貫して上回ったと報告。 - 処理済みデータと model checkpoint の公開を予定。

- 単一 reward と prior のみで多様なタスク・新規物体・新規軌道に汎化できる点を主張。 - 訓練分布外の catching や bimanual handover への転移可能性を示唆。 - 限界・失敗ケース・計算コスト・実機転移に関する具体的議論は要旨からは不明。

- 比較対象として言及される mocap 軌道追従型手法および hand-only generative prior 系の研究。 - 評価データセットである GRAB および DexYCB 関連の hand-object interaction 研究。 - goal-conditioned VAE や latent space exploration を用いた physics-based policy learning の関連研究。