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

Vietnamese

Tương tác giữa con người và con người đòi hỏi robot phải hoạt động dưới khả năng quan sát một phần nghiêm trọng: trong quá trình tiếp xúc vật lý gần gũi, đối tác con người bị che giấu, bị cắt đứt hoặc nằm ngoài tầm nhìn của robot, khiến ước tính vị trí thất bại và thường đòi hỏi theo dõi bên ngoài hoặc trạng thái đặc quyền của con người. Đồng thời, sự che giấu lẫn nhau nặng nề giới thiệu sai sót vào dữ liệu nắm bắt chuyển động giữa con người và con người được sử dụng để học tập. Chúng tôi trình bày REACT, một khuôn khổ để học các chính sách tương tác giữa con người và con người có thể triển khai từ các cuộc biểu tình giữa con người và con người.

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