論文の概要: Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching

• arxiv url: http://arxiv.org/abs/2602.15827v1
• Date: Tue, 17 Feb 2026 18:59:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:18.174535
• Title: Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching
• Title（参考訳）: 知覚型ヒューマノイドパーク:モーションマッチングによる動的人間のスキルの連鎖
• Authors: Zhen Wu, Xiaoyu Huang, Lujie Yang, Yuanhang Zhang, Koushil Sreenath, Xi Chen, Pieter Abbeel, Rocky Duan, Angjoo Kanazawa, Carmelo Sferrazza, Guanya Shi, C. Karen Liu,
• Abstract要約: 本稿では,人間型ロボットの長期的視覚的パーキングを自律的に行うためのモジュール型フレームワークであるPerceptive Humanoid Parkour(PHP)を提案する。 本研究は、これらの合成動作に対する運動追跡強化学習専門家の政策を訓練し、それらを深度に基づく多スキル学生政策に抽出する。 我々は,Unitree G1ヒューマノイドロボットを用いた実世界実験により,我々のフレームワークを検証した。
• 参考スコア（独自算出の注目度）: 77.28042137892943
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While recent advances in humanoid locomotion have achieved stable walking on varied terrains, capturing the agility and adaptivity of highly dynamic human motions remains an open challenge. In particular, agile parkour in complex environments demands not only low-level robustness, but also human-like motion expressiveness, long-horizon skill composition, and perception-driven decision-making. In this paper, we present Perceptive Humanoid Parkour (PHP), a modular framework that enables humanoid robots to autonomously perform long-horizon, vision-based parkour across challenging obstacle courses. Our approach first leverages motion matching, formulated as nearest-neighbor search in a feature space, to compose retargeted atomic human skills into long-horizon kinematic trajectories. This framework enables the flexible composition and smooth transition of complex skill chains while preserving the elegance and fluidity of dynamic human motions. Next, we train motion-tracking reinforcement learning (RL) expert policies for these composed motions, and distill them into a single depth-based, multi-skill student policy, using a combination of DAgger and RL. Crucially, the combination of perception and skill composition enables autonomous, context-aware decision-making: using only onboard depth sensing and a discrete 2D velocity command, the robot selects and executes whether to step over, climb onto, vault or roll off obstacles of varying geometries and heights. We validate our framework with extensive real-world experiments on a Unitree G1 humanoid robot, demonstrating highly dynamic parkour skills such as climbing tall obstacles up to 1.25m (96% robot height), as well as long-horizon multi-obstacle traversal with closed-loop adaptation to real-time obstacle perturbations.
• Abstract（参考訳）: 近年のヒューマノイド移動の進歩は、様々な地形での安定した歩行を達成しているが、高度にダイナミックな人間の動きの俊敏性と適応性を捉えることは、未解決の課題である。 特に、複雑な環境でのアジャイルなパーキングは、低レベルの堅牢性だけでなく、人間のような動きの表現性、ロングホライゾンのスキル構成、知覚駆動による意思決定も要求します。 本稿では,人間型ロボットが難易度の高い障害物コースを横断する長期的視覚型駐車を自律的に行うことを可能にするモジュール型フレームワークであるPerceptive Humanoid Parkour(PHP)を提案する。 提案手法はまず,特徴空間における最近傍探索として定式化された動きマッチングを利用して,リターゲット原子スキルを長距離運動軌道に構成する。 この枠組みは、動的人間の動きのエレガンスと流動性を保ちながら、複雑なスキルチェーンの柔軟な構成と滑らかな遷移を可能にする。 次に, DAgger と RL の組み合わせを用いて, これら合成動作に対する動作追跡強化学習 (RL) の専門家ポリシーを訓練し, 深度に基づく多スキル学生ポリシーに抽出する。 ロボットは、オンボード深度検知と離散2次元速度コマンドのみを使用して、さまざまな測地や高さの障害物を乗り越え、乗り越えるか、乗り越えるかを選択、実行します。 我々は,Unitree G1ヒューマノイドロボットを用いた広範囲な実世界実験を行い,高さ1.25m(ロボット高さ96%)までの高い障害物を登上するなどの高度なパーキングスキルと,リアルタイム障害物摂動に対する閉ループ適応による長距離多障害物トラバースを実証した。

関連論文リスト

• Deep Whole-body Parkour [33.232856360240106]
  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。
  論文  参考訳（メタデータ） (2026-01-12T16:33:16Z)
• StyleLoco: Generative Adversarial Distillation for Natural Humanoid Robot Locomotion [31.30409161905949]
  StyleLocoは、ヒューマノイドの移動を学ぶための新しいフレームワークである。 強化学習の機敏さと人間のような運動の自然な流動性を組み合わせる。 StyleLocoは、ヒューマノイドロボットが多様な移動作業を行うことを可能にすることを実証する。
  論文  参考訳（メタデータ） (2025-03-19T10:27:44Z)
• 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)
• Robot Parkour Learning [70.56172796132368]
  Parkourは、さまざまな障害物を素早く克服するロボットを必要とする、足で動くロボットにとって、大きな挑戦だ。 我々は,パープルスキルを生成するために,直接コロケーションにインスパイアされた強化学習手法を開発した。 我々は、これらの技術を単一の視覚に基づくパーサーポリシーに抽出し、エゴセントリックな深度カメラを用いて四足歩行ロボットに転送する。
  論文  参考訳（メタデータ） (2023-09-11T17:59:17Z)
• Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
  脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。 犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。 ベンチマークに対処する2つの方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T02:49:43Z)

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。