HiPHI는 인터넷 영상을 더 모으는 대신 의미 기반 수집 계획으로 다양화한 사람과 물체의 측정 상태를 휴머노이드 학습 출발점으로 제안한다. 617.5시간에는 원본 308.7시간을 좌우 반전한 자료가 포함된다. 규모와 제어 개선 주장을 평가할 때 중요한 차이다.
논문은 2026년 8월 17일 제출, 9월 8일 수정됐으며 연구 기록상 CoRL 2026 채택이다. 제작자 평가는 품질을 추적 정책과 선택된 Unitree G1 시연에 연결한다. 낯선 일을 독립 이해하고 수행하는 범용 로봇을 보여 주지는 않는다.
실제 자료 구성
132명을 90Hz 광학 방식으로 포착했고 마커 추적은 밀리미터 미만 정밀도라고 한다. 수집 시스템의 정확도이지 변환된 로봇 모든 관절의 오차 보장은 아니다. 약 2억 10만 프레임, 표준 55관절 BVH, 자연어 설명과 의미 식별자를 포함한다.
몸만의 동작은 371.8시간, 사람·물체 상호작용은 245.7시간으로 전체 39.8%다. 몸 프레임마다 물체 위치·방향과 고해상도 메시가 동기화된다. 12종류 실제 물체 40개, 무게 0.45~6.25kg와 반전 메시가 있다.
의자 표면에 따라 앉고 무거운 물체를 밀며 균형과 발이 바뀌는 정보는 몸만으로는 사라진다. 영상에는 사건이 보여도 깊이·가림·접촉 추정이 필요하다. 모션캡처는 궤적을 직접 측정하지만 스튜디오는 인터넷 환경·자발성의 폭에 못 미친다.
따라서 HiPHI는 학습 데이터의 한 계층을 강화하는 자료이지, 모든 데이터 원천을 대체하는 자료는 아니다. 사람의 시연은 행동의 참고를 제공하고, 측정된 기하 정보는 모방 과정에 물리적 제약을 부여한다. 이러한 참고 동작을 실제로 실행할 수 있는 제어로 바꾸려면 각 로봇의 구조에 맞춘 별도의 훈련이 여전히 필요하다.
FrameNet은 이름뿐 아니라 수집을 설계한다
Berkeley FrameNet 사건 틀과 어휘 의미를 씨앗으로 쓴다. Frame-LU는 달리기와 회사 운영처럼 같은 단어의 뜻을 구별한다. 22개 틀과 214개 동작 단위다.
언어 표지와 물리 다양성은 다르다. 이마 닦기와 눈 가리기는 비슷하고 걷기는 속도·방향·보폭·회전·높이 변화를 숨긴다. 지시는 진폭·리듬·자세·접촉 위치·하중·물체 경로를 바꾼다.
상위 50표지가 시간 53.7%, 나머지 46.3%는 밖에 있다. 단위별 수행자 중앙값은 24명이며 154단위는 10명 이상이다. 흔한 운동과 의도적 긴 꼬리를 포함하고 개인 스타일 의존을 줄인다.
공통 23키포인트·30fps로 정규화하고 비지도 인코더와 균형 표본으로 비교한다. HiPHI는 투영 공간 1,620칸, BONES-SEED는 1,438칸이다. 유효 점유는 1,443 대 1,114로 예제 하나 유무뿐 아니라 분포를 반영한다.
긴 꼬리 지표는 14.1% 대 10.7%다. 시험한 시드·투영·격자 설정에서 우위라고 한다. 그 표현 안의 결과이지 전체 동작 다양체의 보편적 포괄 증거는 아니다. 균형 비교는 시간 합계보다 낫지만 저차원 투영은 모든 행동을 측정하지 못한다.
접촉 기하는 힘 측정이 아니다
비충돌률 98.1%, 표면 근접 95.7%를 보고한다. 첫째는 표본 골격의 물체 관통 회피, 둘째는 상호작용 가능한 근접성이다. HIMO는 97.6%·79.0%, OMOMO는 90.6%·50.4%다.
손이 가까워도 올바른 힘이나 안정 파지는 아니다. 마찰·촉각·현실 하중을 검증하지 않는다. 비교량도 HiPHI 245.7시간, HIMO 평가 물체 궤적 21.6, OMOMO 9.8시간으로 다르다.
바닥 정의가 비슷한 자료에서 다섯 부드러움·접촉 오류 지표가 최저라고 한다. 95백분위 바닥 관통은 8mm, BONES-SEED 18, AMASS 111이다. 무지지 부유는 평가 시간 0.015%, 지지점 표류는 초당 64mm다. 전체 측정이지 각 클립 보장은 아니다.
후속 결과는 혼합된다. 밀기의 몸 평균 관절 오차 99.20mm는 OMOMO 66.09보다 나쁘지만 물체 위치·방향은 좋다. 운반은 몸 오차가 두 비교보다 낮고 물체 위치는 높다. 물체와 자세 목표가 경쟁해 모든 과제 승리를 주장할 수 없다.
공통 훈련으로 제어를 비교한다
사람과 비율·구동 한계가 다른 G1로 참고 동작을 변환했다. 몸 정책은 DeepMimic형 강화학습이다. AMASS, LAFAN1, Motion-X++, BONES-SEED도 같은 데이터 예산과 변환·훈련을 거쳤다.
3시간·20시간 조건에서 최고 성공과 빠른 수렴을 보고하며 다섯 독립 실행을 썼다. 별도 확장 실험은 반전 없는 3~300시간으로 다른 네 자료의 보류 동작을 평가했다. 자료 증가에 관절 오차가 줄고 열 반복 평균·분산 띠를 제시했다.
시각 복원보다 제어 지표에 수집 설계를 연결한다. 하지만 공통 변환기·정책·평가에 의존하며 다른 기체나 학습은 상대 우위를 바꿀 수 있다.
실제 G1은 달리기·앉기·기기·상자 운반·뒤집기·여행가방 끌기를 했다. 실제 구동기와 감지는 시뮬레이션보다 강한 실행 증거지만 통제된 선택 동작이다. 낯선 작업장에서 물체 인식·목적지 선택·계획·회복을 자율 수행한 것이 아니다.
추적 정책은 안정 상태로 참고를 따른다. 완전한 에이전트는 무엇을 따를지도 결정한다. 기체별 변환과 안전 점검이 필요하며 G1에서 모든 휴머노이드로 그대로 옮겨지지 않는다.
채택의 명확한 경계
모든 원본은 스튜디오 단일 인물이며 혼잡·불균일 바닥·조명·예외와 직접 인간 상호작용이 빠진다. 전달과 공동 운반에는 복수 몸과 관계가 필요하다.
운동학이지 접촉 힘이나 촉각이 아니다. 비슷한 궤적에도 저항·파지압이 다르며 깨지기 쉬운 물체·미끄럼·변형에서는 중요하다.
좌우 반전은 동작의 양쪽 방향을 학습하는 데 도움이 되지만, 독립적으로 참여한 사람이나 원래의 수집 세션 수를 늘리는 것은 아니다. CoRL 채택은 동료 심사를 거쳤다는 의미가 있다. 그렇더라도 제작자가 제시한 데이터 비교와 실제 하드웨어 시험 결과를 더 넓게 신뢰하려면 외부 연구자가 이를 독립적으로 재현해야 한다.
CC BY-NC 4.0이므로 무제한 상용 훈련 자료가 아니다. 공개 패키지는 RGB 영상·음성·얼굴을 빼고 숫자 수행자 ID와 일반 속성을 쓴다. 동작도 개인 패턴을 지니므로 얼굴 부재가 식별 가능성 제로는 아니다.
기여는 정밀하고 의미 구조화된 참고, 동기 물체, 일부 실행 기술이라는 동작 인프라다. 외부 재훈련, G1 밖의 이전과 힘·촉각·시각 보완이 재사용성을 시험한다. 영상 폭과 측정 물리 구조의 비교를 진전시키지만 자율성 나머지를 해결했다고 하지는 않는다.