論文の概要: Deep Whole-body Parkour

• arxiv url: http://arxiv.org/abs/2601.07701v1
• Date: Mon, 12 Jan 2026 16:33:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.643399
• Title: Deep Whole-body Parkour
• Title（参考訳）: ディープワンボディパール
• Authors: Ziwen Zhuang, Shaoting Zhu, Mengjie Zhao, Hang Zhao,
• Abstract要約: 本研究では,外感知覚を全身運動追跡に組み込む枠組みを提案する。 制御ループに知覚を統合するという非自明な利点を実証する。 その結果、このフレームワークは、非構造地形上でのボウトやダイブローリングのような、堅牢で高ダイナミックなマルチコンタクト運動を可能にする。
• 参考スコア（独自算出の注目度）: 33.232856360240106
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Current approaches to humanoid control generally fall into two paradigms: perceptive locomotion, which handles terrain well but is limited to pedal gaits, and general motion tracking, which reproduces complex skills but ignores environmental capabilities. This work unites these paradigms to achieve perceptive general motion control. We present a framework where exteroceptive sensing is integrated into whole-body motion tracking, permitting a humanoid to perform highly dynamic, non-locomotion tasks on uneven terrain. By training a single policy to perform multiple distinct motions across varied terrestrial features, we demonstrate the non-trivial benefit of integrating perception into the control loop. Our results show that this framework enables robust, highly dynamic multi-contact motions, such as vaulting and dive-rolling, on unstructured terrain, significantly expanding the robot's traversability beyond simple walking or running. https://project-instinct.github.io/deep-whole-body-parkour
• Abstract（参考訳）: 現在のヒューマノイド制御のアプローチは、地形をよく扱うがペダル歩行に制限される知覚的移動(perceptive locomotion)と、複雑なスキルを再現するが環境能力を無視する一般的な運動追跡(General Motion Track)の2つのパラダイムに分類される。 この研究はこれらのパラダイムを統一し、知覚的な一般的な運動制御を実現する。 本研究では,外因性感覚を全身運動追跡に統合し,ヒューマノイドが不均一な地形上で高度にダイナミックで非移動的な作業を行うことを可能にする枠組みを提案する。 多様な地球上の特徴にまたがって複数の異なる動作を行うための単一のポリシーを訓練することにより、知覚を制御ループに統合する非自明な利点を実証する。 以上の結果から,ボウトやダイブローリングなどの頑丈でダイナミックな多接触運動を非構造地形で実現し,単純な歩行やランニングを超えてロボットの移動性を大幅に拡大できることがわかった。 https://project-instinct.github.io/deep-whole-body-parkour

関連論文リスト

• KungfuBot2: Learning Versatile Motion Skills for Humanoid Whole-Body Control [30.738592041595933]
  ヒューマノイドロボットが単一ポリシーで多様な動的動作を学習できる統一された全身制御系VMSを提案する。 我々のフレームワークは、局所的な動きの忠実度とグローバルな軌道の整合性のバランスをとるハイブリッドな追跡目標を統合している。 シミュレーションと実世界の実験の両方においてVMSの特殊化を広範囲に検証し、ダイナミックスキルの正確な模倣、分長シーケンスでの安定した性能、そして目に見えない動作に対する強力な一般化を実証した。
  論文  参考訳（メタデータ） (2025-09-20T11:31:14Z)
• KungfuBot: Physics-Based Humanoid Whole-Body Control for Learning Highly-Dynamic Skills [58.73043119128804]
  そこで本研究では,Kungfuやダンスなどの人体動作を高度に制御することを目的とした,物理学に基づくヒューマノイド制御フレームワークを提案する。 動作処理では,運動の抽出,フィルタリング,修正,再ターゲティングを行うパイプラインを設計し,物理的制約の遵守を確実にする。 動作模倣では、二段階最適化問題を定式化し、追従精度の許容度を動的に調整する。 実験では,高ダイナミックな動作のセットを模倣するために全身制御ポリシーを訓練する。
  論文  参考訳（メタデータ） (2025-06-15T13:58:53Z)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Universal Humanoid Motion Representations for Physics-Based Control [71.46142106079292]
  物理学に基づくヒューマノイド制御のための総合的な運動スキルを含む普遍的な運動表現を提案する。 まず、大きな非構造運動データセットから人間の動きをすべて模倣できる動き模倣機を学習する。 次に、模倣者から直接スキルを蒸留することで、動作表現を作成します。
  論文  参考訳（メタデータ） (2023-10-06T20:48:43Z)
• Legs as Manipulator: Pushing Quadrupedal Agility Beyond Locomotion [34.33972863987201]
  我々は四足歩行ロボットを訓練し、前脚を使って壁を登り、ボタンを押し、現実世界でオブジェクトインタラクションを行う。 これらのスキルはカリキュラムを用いてシミュレーションで訓練され,提案したsim2real 変種を用いて実世界へ移行する。 我々は,本手法をシミュレーションと実世界の双方で評価し,短距離および長距離のタスクの実行を成功させたことを示す。
  論文  参考訳（メタデータ） (2023-03-20T17:59:58Z)
• Learning Quadrupedal Locomotion over Challenging Terrain [68.51539602703662]
  足の移動はロボティクスの操作領域を劇的に拡張することができる。 足の移動のための従来のコントローラーは、運動プリミティブと反射の実行を明示的にトリガーする精巧な状態マシンに基づいている。 ここでは、自然環境に挑戦する際の足の移動に対して、徹底的に頑健な制御器を提案する。
  論文  参考訳（メタデータ） (2020-10-21T19:11:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。