Newest papers

VLM-Guided Contact Retargeting and Generative Partner Modeling for Humanoid-Human Interaction

Yuto Shibata, Kotaro Amaya, Kashu Yamazaki, Lalit Jayanti, Yoshimitsu Aoki, Mariko Isogawa, Katerina Fragkiadaki · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28523 · open-access PDF

Hindi

मानव-मानवीय बातचीत रोबोटों को गंभीर आंशिक निगरानी के तहत संचालित करने की आवश्यकता होती है: निकट शारीरिक संपर्क के दौरान, मानव साथी को अवरुद्ध किया जाता है, ट्रिंक किया जाता है, या रोबोट के दृश्य क्षेत्र से बाहर होता है, जिससे पॉज़ अनुमान विफल हो जाता है और अक्सर बाहरी ट्रैकिंग या विशेषाधिकारित मानव राज्य की आवश्यकता होती है। एक ही समय में, भारी पारस्परिक अवरुद्धियां सीखने के लिए उपयोग किए जाने वाले मानव-मानवीय आंदोलन कैप्चर डेटा में त्रुटियों को पेश करती हैं। हम सीखने के लिए REACT, मानव-मानवीय प्रदर्शनों से तैनात मानव-मानवीय बातचीत की नीतियों को सीखने के लिए एक ढांचे प्रस्तुत करते हैं। REACT

Machine translation (Meta M2M100); the English original follows.

Abstract

Humanoid-human interaction requires robots to operate under severe partial observability: during close physical contact, the human partner is occluded, truncated, or outside the robot's field of view, causing pose estimation to fail and often necessitating external tracking or privileged human state. At the same time, heavy mutual occlusions introduce errors into the human-human motion-capture data used for learning. We present REACT, a framework for learning deployable humanoid-human interaction policies from human-human demonstrations. REACT treats semantic contact structure as the key super

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange