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
Человеко-человеческое взаимодействие требует, чтобы роботы работали под тяжелой частичной наблюдаемостью: во время тесного физического контакта человеческий партнер оскверняется, отрезается или выходит за пределы поля зрения робота, что вызывает неудачу оценки позиций и часто требует внешнего отслеживания или привилегированного человеческого состояния. В то же время тяжелые взаимные окклюзии вносят ошибки в данные человеко-человеческого движения, используемые для обучения. Мы представляем REACT, рамку для обучения развертываемой политики человеко-человеческого взаимодействия из демонстраций человека-человека.
Machine translation (Meta M2M100); the English original follows.
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
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28523, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange