論文の概要: SCDP: Learning Humanoid Locomotion from Partial Observations via Mixed-Observation Distillation

• arxiv url: http://arxiv.org/abs/2603.09574v1
• Date: Tue, 10 Mar 2026 12:21:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.291666
• Title: SCDP: Learning Humanoid Locomotion from Partial Observations via Mixed-Observation Distillation
• Title（参考訳）: SCDP:混合観察蒸留による部分観察からヒューマノイド運動の学習
• Authors: Milo Carroll, Tianhu Peng, Lingfan Bao, Chengxu Zhou, Zhibin Li,
• Abstract要約: 本稿では,センサのみを用いたヒューマノイド移動を可能にするセンサ・コンディション・ディフュージョン・ポリシー(SCDP)を提案する。 SCDPは、混合観測訓練による監視からのセンシングを分離する。 速度制御された移動と運動基準追跡タスクにおけるSCDPの有効性を検証した。
• 参考スコア（独自算出の注目度）: 3.149420237200927
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Distilling humanoid locomotion control from offline datasets into deployable policies remains a challenge, as existing methods rely on privileged full-body states that require complex and often unreliable state estimation. We present Sensor-Conditioned Diffusion Policies (SCDP) that enables humanoid locomotion using only onboard sensors, eliminating the need for explicit state estimation. SCDP decouples sensing from supervision through mixed-observation training: diffusion model conditions on sensor histories while being supervised to predict privileged future state-action trajectories, enforcing the model to infer the motion dynamics under partial observability. We further develop restricted denoising, context distribution alignment, and context-aware attention masking to encourage implicit state estimation within the model and to prevent train-deploy mismatch. We validate SCDP on velocity-commanded locomotion and motion reference tracking tasks. In simulation, SCDP achieves near-perfect success on velocity control (99-100%) and 93% tracking success in AMASS test set, performing comparable to privileged baselines while using only onboard sensors. Finally, we deploy the trained policy on a real G1 humanoid at 50 Hz, demonstrating robust real robot locomotion without external sensing or state estimation.
• Abstract（参考訳）: オフラインのデータセットからデプロイ可能なポリシへのヒューマノイドロコモーションコントロールの蒸留は、複雑で信頼性の低い状態推定を必要とする特権付きフルボディステートに依存しているため、依然として課題である。 本稿では,センサのみを用いたヒューマノイド移動を可能にするセンサ・コンディション・ディフュージョン・ポリシー(SCDP)を提案する。 SCDPは、センサーヒストリー上の拡散モデル条件を、特権的な将来の状態-行動軌跡を予測しながら、部分的観測可能性の下での運動力学を推測するようモデルに強制する。 さらに,モデル内の暗黙的な状態推定を奨励し,列車の停止ミスマッチを防止するために,限定的な雑音認識,文脈分布アライメント,コンテキスト認識型アテンションマスキングを開発する。 速度制御された移動と運動基準追跡タスクにおけるSCDPの有効性を検証した。 シミュレーションでは、SCDPは速度制御(99-100%)でほぼ完全に成功し、AMASSテストセットで93%のトラッキングが成功し、オンボードセンサーのみを使用しながら特権ベースラインに匹敵する性能を示した。 最後に、トレーニングされたポリシーを実G1ヒューマノイドに50Hzで展開し、外部センサや状態推定なしで頑健な実ロボットの移動を実証した。

関連論文リスト

• When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift [64.37959940809633]
  時間的持続的なセンサ故障下でのPPOのロバスト性について検討する。 トランスフォーマーを用いたシーケンスポリシーは, センサ数が少ない場合でも高いリターンを保ちながら, 堅牢性, RNN, SSMよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2026-03-04T22:21:54Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• Mitigating Covariate Shift in Imitation Learning for Autonomous Vehicles Using Latent Space Generative World Models [60.87795376541144]
  World Model(ワールドモデル)は、エージェントの次の状態を予測できるニューラルネットワークである。 エンド・ツー・エンドのトレーニングでは、人間のデモで観察された状態と整合してエラーから回復する方法を学ぶ。 クローズドループ試験における先行技術に有意な改善がみられた定性的,定量的な結果を示す。
  論文  参考訳（メタデータ） (2024-09-25T06:48:25Z)
• Hybrid Internal Model: Learning Agile Legged Locomotion with Simulated Robot Response [25.52492911765911]
  ロボットの応答に応じて外部状態を推定するためにハイブリッド内部モデルを導入する。 この応答は、ハイブリッドな内部埋め込みと呼ばれ、ロボットの明示的な速度と暗黙的な安定性の表現を含んでいる。 実世界の多くの実験が、トレーニングプロセス中に一度も起こらなかった、高度に分散したタスクやケースにおいても、その俊敏性を示している。
  論文  参考訳（メタデータ） (2023-12-18T18:59:06Z)
• Safe Output Feedback Motion Planning from Images via Learned Perception Modules and Contraction Theory [6.950510860295866]
  本稿では、実行時の安全性と目標到達性を保証する不確実な制御-アフィン非線形システムのクラスを示す。 我々は、観測から状態のサブセットを逆転させようとする知覚システムを訓練し、知覚誤差の上限を推定する。 次に、収縮理論を用いて安定化状態フィードバックコントローラと収束状態オブザーバを設計する。 この制御器が動的および不正確な状態推定における誤差を受ける場合、軌道追従誤差を導出する。
  論文  参考訳（メタデータ） (2022-06-14T02:03:27Z)
• Robust Behavioral Cloning for Autonomous Vehicles using End-to-End Imitation Learning [0.4588028371034407]
  本稿では、エンド・ツー・エンドの模倣学習を用いて、人間の運転者の頑健な行動クローンのための軽量パイプラインを提案する。 提案されたパイプラインは、シミュレートされた車両に3つの異なる運転行動モデルの訓練と展開に使用された。
  論文  参考訳（メタデータ） (2020-10-09T19:03:15Z)

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。