論文の概要: Scalable and General Whole-Body Control for Cross-Humanoid Locomotion

• arxiv url: http://arxiv.org/abs/2602.05791v1
• Date: Thu, 05 Feb 2026 15:48:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.203067
• Title: Scalable and General Whole-Body Control for Cross-Humanoid Locomotion
• Title（参考訳）: クロスヒューマノイドロコモーションのためのスケーラブルで汎用的な全体制御
• Authors: Yufei Xue, YunFeng Lin, Wentao Dong, Yang Tang, Jingbo Wang, Jiangmiao Pang, Ming Zhou, Minghuan Liu, Weinan Zhang,
• Abstract要約: 本稿では,ヒューマノイドロボットのためのクロスボディトレーニングフレームワークであるXHugWBCを紹介する。 XHugWBCは、トレーニング中の形態的および動的特性の広範な分布を内部化する。 12個の擬似ヒューマノイドと7つの現実世界ロボットの実験は、結果として生じるユニバーサルコントローラの強い一般化と堅牢性を示している。
• 参考スコア（独自算出の注目度）: 47.617416398266506
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning-based whole-body controllers have become a key driver for humanoid robots, yet most existing approaches require robot-specific training. In this paper, we study the problem of cross-embodiment humanoid control and show that a single policy can robustly generalize across a wide range of humanoid robot designs with one-time training. We introduce XHugWBC, a novel cross-embodiment training framework that enables generalist humanoid control through: (1) physics-consistent morphological randomization, (2) semantically aligned observation and action spaces across diverse humanoid robots, and (3) effective policy architectures modeling morphological and dynamical properties. XHugWBC is not tied to any specific robot. Instead, it internalizes a broad distribution of morphological and dynamical characteristics during training. By learning motion priors from diverse randomized embodiments, the policy acquires a strong structural bias that supports zero-shot transfer to previously unseen robots. Experiments on twelve simulated humanoids and seven real-world robots demonstrate the strong generalization and robustness of the resulting universal controller.
• Abstract（参考訳）: 学習ベースの全身コントローラは、ヒューマノイドロボットのキードライバーとなっているが、既存のアプローチではロボット固有の訓練を必要とする。 本稿では,人体横断型ヒューマノイド制御の問題点を考察し,ワンタイムトレーニングによる多種多様なヒューマノイドロボットの設計に対して,単一ポリシーが堅牢に一般化可能であることを示す。 我々は,(1)物理に一貫性のある形態的ランダム化,(2)多種多様なヒューマノイドロボット間の意味的に整合した観察と行動空間,(3)形態的・動的特性をモデル化する効果的なポリシーアーキテクチャ,を通じて,汎用的なヒューマノイド制御を可能にする,新しいクロス・エボディメント・トレーニング・フレームワークであるXHugWBCを紹介した。 XHugWBCは特定のロボットに縛られない。 代わりに、トレーニング中に形態学的および動的特性の広範な分布を内部化する。 多様なランダム化された実施形態から動きの先行を学習することにより、このポリシーはゼロショット転送をサポートする強い構造バイアスを取得する。 12個の擬似ヒューマノイドと7つの現実世界ロボットの実験は、結果として生じるユニバーサルコントローラの強い一般化と堅牢性を示している。

関連論文リスト

• FRoM-W1: Towards General Humanoid Whole-Body Control with Language Instructions [147.04372611893032]
  FRoM-W1は、自然言語を用いた一般的なヒューマノイド全体の動作制御を実現するために設計されたオープンソースのフレームワークである。 我々はUnitree H1とG1ロボット上でFRoM-W1を広範囲に評価した。 その結果,HumanML3D-Xベンチマークにおいて,人体全体の動作生成に優れた性能を示した。
  論文  参考訳（メタデータ） (2026-01-19T07:59:32Z)
• MiVLA: Towards Generalizable Vision-Language-Action Model with Human-Robot Mutual Imitation Pre-training [102.850162490626]
  人間のロボットによる相互模倣事前学習による視覚-言語-行動モデルであるMiVLAを提案する。 MiVLAは、最先端のVLAよりも優れた、強力な改良された一般化能力を実現する。
  論文  参考訳（メタデータ） (2025-12-17T12:59:41Z)
• Human-Humanoid Robots Cross-Embodiment Behavior-Skill Transfer Using Decomposed Adversarial Learning from Demonstration [9.42179962375058]
  本稿では,デジタル人間モデルを共通プロトタイプとして使用することにより,データのボトルネックを低減するための転送可能なフレームワークを提案する。 このモデルは、人間による実演から、敵対的な模倣を通して行動プリミティブを学習し、複雑なロボット構造を機能的な構成要素に分解する。 本フレームワークは,多種多様な構成のヒューマノイドロボット5体を用いて検証した。
  論文  参考訳（メタデータ） (2024-12-19T18:41:45Z)
• The One RING: a Robotic Indoor Navigation Generalist [58.30694487843546]
  RING (Robotic Indoor Navigation Generalist) は、あらゆる移動ロボットを効果的な屋内セマンティックナビゲータに変えるための具体的方針である。 完全にシミュレーションで訓練されたRingは、ロボットによる大規模なランダム化を利用して、多くの現実世界のプラットフォームに堅牢な一般化を可能にする。
  論文  参考訳（メタデータ） (2024-12-18T23:15:41Z)
• Learning from Massive Human Videos for Universal Humanoid Pose Control [46.417054298537195]
  本稿では,2000万以上のヒューマノイドロボットの大規模データセットであるHumanoid-Xを紹介する。 我々は、テキスト命令を入力として受け取り、対応する動作を出力してヒューマノイドロボットを制御する、大きなヒューマノイドモデルUH-1を訓練する。 私たちのスケーラブルなトレーニングアプローチは、テキストベースのヒューマノイド制御の優れた一般化につながります。
  論文  参考訳（メタデータ） (2024-12-18T18:59:56Z)
• GenLoco: Generalized Locomotion Controllers for Quadrupedal Robots [87.32145104894754]
  四足歩行ロボットのための汎用ロコモーション(GenLoco)コントローラを訓練するためのフレームワークを提案する。 本フレームワークは,多種多様な四足歩行ロボットに展開可能な汎用ロコモーションコントローラを合成する。 我々のモデルは、より一般的な制御戦略を取得し、新しいシミュレーションロボットや実世界のロボットに直接移行できることを示す。
  論文  参考訳（メタデータ） (2022-09-12T15:14:32Z)
• On the Emergence of Whole-body Strategies from Humanoid Robot Push-recovery Learning [32.070068456106895]
  シミュレーション環境における汎用的で堅牢なヒューマノイドプッシュリカバリポリシーのトレーニングに,モデルフリーな深層強化学習を適用する。 本手法は高次元全体ヒューマノイド制御を目標とし,iCubヒューマノイド上で検証を行った。
  論文  参考訳（メタデータ） (2021-04-29T17:49:20Z)

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。