ReContact: 動画から人間の接触を再構築・再ターゲティングする接触リッチなヒューマノイド操作

- ヒト動画から human-object interaction を再構成し、humanoid robot へ retarget する手法 ReContact の提案。 - 全身での contact transition（手だけでなく体幹・腿などで物体支持を再配分）を対象とする。 - object-centric contact plan（contact phase、contact pair、anchor、pressing direction、sticking/sliding mode）を中核に据える。 - 計画に沿って接触力を発揮する residual policy を学習し、contact-rich humanoid manipulation を実現する。

- 従来の retargeting は物体軌道の再現を重視し、意図した contact で安定化力を加えることを保証しない点を問題視。 - 体の occlusion で object pose tracking が乱れ retarget 済み motion が破損する課題に対し、contact prior で再構成を安定化。 - 単純な軌道模倣ではなく contact plan に基づく力の発揮を reward 化する点が差分。 - 比較対象の adapted baseline に対し thigh-supported regrasp で大幅な成功率差を報告。

- object-centric contact plan を定義：contact phase、contact pair、anchor、pressing direction、sticking/sliding mode。 - contact prior を用いて occlusion 下の object pose reconstruction を安定化。 - frozen whole-body tracker 上に residual policy を学習。 - reward は計画 anchor での接触と指定方向に沿った力の発揮を促す設計。 - 複数 reference から新配置へ再求解する枠組みを含む。

- シミュレーションで thigh-supported regrasp を評価：3 training seed で計画した two-palm bottom hold を 83.5% の episode で達成、最良 adapted baseline は 0.16%。 - 247 references で学習した単一 policy を新配置に再求解し、in-workspace tube-transfer 成功率を 20.4%（source reference のみ）から 97.8% へ改善。 - 実機 Unitree G1 で 7 つの contact-rich manipulation と 2 つの loco-manipulation タスクを実行。

- occlusion 下の object pose tracking 破損と、軌道再現だけでは接触力が保証されない問題への対処を主張。 - contact plan の各要素（phase、anchor、direction、mode）の寄与や限界についての詳細は要旨からは不明。 - 実機評価のタスク詳細・成功率・失敗様態は要旨からは不明。 - 汎化範囲や新規物体・接触への適用性は要旨からは不明。

- 要旨で直接参照される個別論文は不明。関連手法として human-object interaction reconstruction、motion retargeting、whole-body tracking、residual policy、contact planning の文献を次に読む候補とする。 - 比較対象である adapted baseline の詳細論文は要旨からは不明。