Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
WristMimic은 전신 휴머노이드 제어 및 사물 조작을 위한 새로운 프레임워크입니다. 이 시스템은 접촉이 없는 신체 움직임과 접촉이 많은 손 조작을 명확히 분리하여 재현합니다. 특히, 손목을 핵심 게이트로 활용해 안정적인 전역적 손 배치와 독립적인 손가락 파지 행동 학습을 가능하게 합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.GR (Graphics)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기인간의 사물 상호작용 시연을 물리 기반 시뮬레이션에 재타겟팅하려면, 신체 움직임뿐만 아니라 조작 성공을 가능하게 하는 사물의 움직임과 접촉까지 재현해야 합니다. 하지만 위치 정보만을 담은 손 궤적(hand trajectories)으로는 물체를 조작하는 데 필요한 접촉 힘(contact forces)이 명시되지 않으며, 이를 직접 추적하면 접촉이 많은 손가락 동작을 과도하게 제약할 수 있습니다. 우리는 WristMimic이라는 손목 가이드 전신 제어 프레임워크를 소개합니다. 이 프레임워크는 접촉 없는 신체 움직임과 접촉이 풍부한 손 조작을 명시적으로 분리합니다. 접촉 없는 신체와 손목은 운동학적 포즈 목표(kinematic pose targets)에 의해 안내되는 반면, 손가락들은 인간의 손 포즈에 의해 직접 감독되지 않습니다. 대신, 손가락들은 사물 추적과 접촉 결과로부터 파지 및 조작 행동을 학습합니다. 우리의 핵심 통찰은 손목이 이 두 영역 사이의 자연스러운 게이트(gate)라는 것입니다. 손목은 접촉으로부터 비교적 자유롭고 운동학적으로 추적이 가능하며, 동시에 전역적인 손 구성을 결정하고 손가락들을 도달 가능한 파지 여유도(grasp affordances) 내에 배치합니다. 상호작용 중 신뢰할 수 있는 손목 배치를 보장하기 위해, 우리는 손목 특이적 리셋 제약 조건과 보상 우선순위화 기법을 도입했습니다. 실험 결과는 WristMimic이 전체 손가락 포즈 감독을 사용하는 방법들과 동등하거나 능가하는 성능을 보이면서도 다양한 손 구현체(hand embodiments)에 걸쳐 손가락 독립적인 재타겟팅을 가능하게 함을 보여줍니다.