DYMO-Hair: 로봇 헤어 조작을 위한 일반화 가능한 볼륨 동역학 모델링

초록

헤어 케어는 필수적인 일상 활동이지만, 제한된 운동 능력을 가진 개인들에게는 접근이 어려우며, 머리카락의 미세한 물리적 구조와 복잡한 역학 특성으로 인해 자율 로봇 시스템에게도 도전적인 과제로 남아 있습니다. 본 연구에서는 DYMO-Hair라는 모델 기반 로봇 헤어 케어 시스템을 제안합니다. 우리는 머리카락과 같은 체적적 특성을 가진 물질에 적합한 새로운 역학 학습 패러다임을 소개하며, 이는 동작 조건화된 잠재 상태 편집 메커니즘과 다양한 헤어스타일을 포함한 간결한 3D 잠재 공간을 결합하여 일반화 성능을 향상시킵니다. 이 잠재 공간은 새로운 헤어 물리 시뮬레이터를 사용해 대규모로 사전 학습되어, 이전에 보지 못한 헤어스타일 간의 일반화를 가능하게 합니다. 모델 예측 경로 적분(MPPI) 플래너와 함께 역학 모델을 사용함으로써, DYMO-Hair는 시각적 목표 조건화된 헤어 스타일링을 수행할 수 있습니다. 시뮬레이션 실험을 통해 DYMO-Hair의 역학 모델이 다양한, 이전에 보지 못한 헤어스타일의 국소 변형을 포착하는 데 있어 베이스라인을 능가함을 입증했습니다. DYMO-Hair는 또한 이전에 보지 못한 헤어스타일에 대한 폐루프 헤어 스타일링 작업에서 베이스라인을 능가하며, 최신 시스템 대비 평균 22% 낮은 최종 기하학적 오차와 42% 높은 성공률을 기록했습니다. 실제 환경 실험에서 우리 시스템은 위그에 대한 제로샷 전이 가능성을 보여주며, 최신 시스템이 실패하는 도전적인 이전에 보지 못한 헤어스타일에서도 일관된 성공을 달성했습니다. 이러한 결과들은 모델 기반 로봇 헤어 케어의 기초를 소개하며, 제약 없는 물리적 환경에서 더 일반화 가능하고 유연하며 접근 가능한 로봇 헤어 스타일링을 향해 나아가는 길을 열어줍니다. 더 자세한 내용은 프로젝트 페이지에서 확인할 수 있습니다: https://chengyzhao.github.io/DYMOHair-web/.

English

Hair care is an essential daily activity, yet it remains inaccessible to individuals with limited mobility and challenging for autonomous robot systems due to the fine-grained physical structure and complex dynamics of hair. In this work, we present DYMO-Hair, a model-based robot hair care system. We introduce a novel dynamics learning paradigm that is suited for volumetric quantities such as hair, relying on an action-conditioned latent state editing mechanism, coupled with a compact 3D latent space of diverse hairstyles to improve generalizability. This latent space is pre-trained at scale using a novel hair physics simulator, enabling generalization across previously unseen hairstyles. Using the dynamics model with a Model Predictive Path Integral (MPPI) planner, DYMO-Hair is able to perform visual goal-conditioned hair styling. Experiments in simulation demonstrate that DYMO-Hair's dynamics model outperforms baselines on capturing local deformation for diverse, unseen hairstyles. DYMO-Hair further outperforms baselines in closed-loop hair styling tasks on unseen hairstyles, with an average of 22% lower final geometric error and 42% higher success rate than the state-of-the-art system. Real-world experiments exhibit zero-shot transferability of our system to wigs, achieving consistent success on challenging unseen hairstyles where the state-of-the-art system fails. Together, these results introduce a foundation for model-based robot hair care, advancing toward more generalizable, flexible, and accessible robot hair styling in unconstrained physical environments. More details are available on our project page: https://chengyzhao.github.io/DYMOHair-web/.

DYMO-Hair: 로봇 헤어 조작을 위한 일반화 가능한 볼륨 동역학 모델링

DYMO-Hair: Generalizable Volumetric Dynamics Modeling for Robot Hair Manipulation

초록

Support