論文の概要: PMG: Parameterized Motion Generator for Human-like Locomotion Control

• arxiv url: http://arxiv.org/abs/2602.12656v1
• Date: Fri, 13 Feb 2026 06:38:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.868197
• Title: PMG: Parameterized Motion Generator for Human-like Locomotion Control
• Title（参考訳）: PMG:人間ライクなロコモーション制御のためのパラメータ化モーションジェネレータ
• Authors: Chenxi Han, Yuheng Min, Zihao Huang, Ao Hong, Hang Liu, Yi Cheng, Houde Liu,
• Abstract要約: 我々は,人間のような動きを1つの統合システムで生成するリアルタイムモーションジェネレータを開発した。 一つの統合システムにおいて、PMGは人間のような自然な動きを生じさせ、高次元の制御入力に正確に応答することを示す。 これらの結果は、自然かつ展開可能なヒューマノイド制御への実践的で実験的に検証された経路を確立する。
• 参考スコア（独自算出の注目度）: 14.637220434597168
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent advances in data-driven reinforcement learning and motion tracking have substantially improved humanoid locomotion, yet critical practical challenges remain. In particular, while low-level motion tracking and trajectory-following controllers are mature, whole-body reference-guided methods are difficult to adapt to higher-level command interfaces and diverse task contexts: they require large, high-quality datasets, are brittle across speed and pose regimes, and are sensitive to robot-specific calibration. To address these limitations, we propose the Parameterized Motion Generator (PMG), a real-time motion generator grounded in an analysis of human motion structure that synthesizes reference trajectories using only a compact set of parameterized motion data together with High-dimensional control commands. Combined with an imitation-learning pipeline and an optimization-based sim-to-real motor parameter identification module, we validate the complete approach on our humanoid prototype ZERITH Z1 and show that, within a single integrated system, PMG produces natural, human-like locomotion, responds precisely to high-dimensional control inputs-including VR-based teleoperation-and enables efficient, verifiable sim-to-real transfer. Together, these results establish a practical, experimentally validated pathway toward natural and deployable humanoid control.
• Abstract（参考訳）: データ駆動強化学習と運動追跡の最近の進歩は、ヒューマノイドの移動を大幅に改善しているが、重要な実践的課題は残されている。 特に、低レベルのモーショントラッキングと軌道追従コントローラは成熟しているが、ボディ全体の参照誘導方式は高レベルのコマンドインターフェースや多様なタスクコンテキストに適応することが困難である。 これらの制約に対処するために,高次元制御コマンドとともに,パラメータ化された動きデータのコンパクトなセットのみを用いて参照軌跡を合成する,人間の運動構造を解析したリアルタイムモーションジェネレータPMGを提案する。 擬似学習パイプラインと最適化に基づくsim-to-realの運動パラメータ同定モジュールを組み合わせることで、我々のヒューマノイドプロトタイプZERITH Z1に対する完全なアプローチを検証し、単一の統合システムにおいて、PMGは自然な人間の様の運動を生成し、VRベースの遠隔操作を含む高次元制御入力に正確に応答し、効率よく、検証可能なsim-to-real転送を可能にすることを示す。 これらの結果は、自然かつ展開可能なヒューマノイド制御への実践的で実験的に検証された経路を確立する。

関連論文リスト

• PARC: Physics-based Augmentation with Reinforcement Learning for Character Controllers [10.598333486002]
  人間は多様な複雑な環境をナビゲートし、アジャイルなモータースキルを身につけている。 これらのアジャイルの動きをシミュレートされた文字で再現することは、モーションキャプチャデータが不足しているため、依然として困難である。 PARCは、機械学習と物理に基づくシミュレーションを利用して、動きデータセットを反復的に拡張するフレームワークである。
  論文  参考訳（メタデータ） (2025-05-06T22:29:07Z)
• Autotuning Bipedal Locomotion MPC with GRFM-Net for Efficient Sim-to-Real Transfer [10.52309107195141]
  DiffTune を用いた二足歩行制御におけるパラメータ選択の課題に対処する。 大きな困難は、モデルの忠実さと差別性とのバランスにある。 ハードウェア実験においてDiffTuneとGRFM-Netで得られたパラメータを検証する。
  論文  参考訳（メタデータ） (2024-09-24T03:58:18Z)
• TLControl: Trajectory and Language Control for Human Motion Synthesis [68.09806223962323]
  本稿では,人間のリアルな動き合成のための新しい手法であるTLControlを提案する。 低レベルのTrajectoryと高レベルのLanguage semanticsコントロールが組み込まれている。 インタラクティブで高品質なアニメーション生成には実用的である。
  論文  参考訳（メタデータ） (2023-11-28T18:54:16Z)
• Interactive Character Control with Auto-Regressive Motion Diffusion Models [18.727066177880708]
  リアルタイム動作合成のためのA-MDM(Auto-Regressive Motion Diffusion Model)を提案する。 我々の条件拡散モデルは初期ポーズを入力とし、前者のフレームに条件付けられた連続した動きフレームを自動回帰的に生成する。 本稿では,タスク指向サンプリング,インペインティング,階層的強化学習など,対話型制御をA-MDMに組み込む一連の手法を紹介する。
  論文  参考訳（メタデータ） (2023-06-01T07:48:34Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)

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。