論文の概要: PhyGile: Physics-Prefix Guided Motion Generation for Agile General Humanoid Motion Tracking

• arxiv url: http://arxiv.org/abs/2603.19305v1
• Date: Fri, 13 Mar 2026 06:43:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.76201
• Title: PhyGile: Physics-Prefix Guided Motion Generation for Agile General Humanoid Motion Tracking
• Title（参考訳）: PhyGile: アジャイルの一般ヒューマノイドモーショントラッキングのための物理修正ガイドモーション生成
• Authors: Jiacheng Bao, Haoran Yang, Yucheng Xin, Junhong Liu, Yuecheng Xu, Han Liang, Pengfei Han, Xiaoguang Ma, Dong Wang, Bin Zhao,
• Abstract要約: 本稿では,ロボットネイティブ動作生成と推論のループを閉じる統合フレームワークであるPhyGileを紹介する。 我々は,GMTコントローラをカリキュラムベースのMix-of-expertsスキームでトレーニングし,その後,大規模ロボット動作に対するロバスト性を改善するためにラベル付き動作データを用いた後学習を行った。 PhyGileはテキスト駆動型ヒューマノイドコントロールのフロンティアを拡張し、アジャイルの安定したトラッキングを可能にする。
• 参考スコア（独自算出の注目度）: 23.96905373874686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humanoid robots are expected to execute agile and expressive whole-body motions in real-world settings. Existing text-to-motion generation models are predominantly trained on captured human motion datasets, whose priors assume human biomechanics, actuation, mass distribution, and contact strategies. When such motions are directly retargeted to humanoid robots, the resulting trajectories may satisfy geometric constraints (e.g., joint limits and pose continuity) and appear kinematically reasonable. However, they frequently violate the physical feasibility required for real-world execution. To address these issues, we present PhyGile, a unified framework that closes the loop between robot-native motion generation and General Motion Tracking (GMT). PhyGile performs physics-prefix-guided robot-native motion generation at inference time, directly generating robot-native motions in a 262-dimensional skeletal space with physics-guided prefixes, thereby eliminating inference-time retargeting artifacts and reducing generation-execution discrepancies. Before physics-prefix adaptation, we train the GMT controller with a curriculum-based mixture-of-experts scheme, followed by post-training on unlabeled motion data to improve robustness over large-scale robot motions. During physics-prefix adaptation, the GMT controller is further fine-tuned with generated objectives under physics-derived prefixes, enabling agile and stable execution of complex motions on real robots. Extensive offline and real-robot experiments demonstrate that PhyGile expands the frontier of text-driven humanoid control, enabling stable tracking of agile, highly difficult whole-body motions that go well beyond walking and low-dynamic motions typically achieved by prior methods.
• Abstract（参考訳）: ヒューマノイドロボットは、現実の環境でアジャイルで表現力のある全身の動きを実行することが期待されている。 既存のテキスト・トゥ・モーション生成モデルは、人間のバイオメカニクス、アクティベーション、質量分布、接触戦略を前提とした、捕えられた人間の動作データセットに基づいて主に訓練されている。 このような動きがヒューマノイドロボットに直接的を絞ると、結果として生じる軌道は幾何的制約(例えば関節の限界や連続性)を満たすことができ、キネマティックに合理的に現れる。 しかし、実際の実行に必要な物理的実現性にはしばしば違反する。 これらの問題に対処するために,ロボットネイティブモーション生成とGMT(General Motion Tracking)のループを閉じる統合フレームワークであるPhyGileを提案する。 PhyGileは、物理プレフィックス誘導ロボットネイティブモーション生成を行い、物理誘導プレフィックス付き262次元の骨格空間でロボットネイティブモーションを直接生成し、推論時再ターゲットアーティファクトを排除し、生成実行不一致を低減する。 物理-修正前適応前は,GMTコントローラをカリキュラムベースのMix-of-expertsスキームで訓練し,その後,ラベル付き動作データによる後続学習を行い,大規模ロボットの動作に対する堅牢性を向上させる。 GMTコントローラは、物理から派生したプレフィックスによってさらに微調整され、実際のロボット上での複雑な動きのアジャイルかつ安定した実行を可能にする。 大規模なオフラインおよび実ロボット実験により、PhyGileはテキスト駆動型ヒューマノイドコントロールのフロンティアを拡張し、アジャイルの安定したトラッキングを可能にする。

関連論文リスト

• PhysMoDPO: Physically-Plausible Humanoid Motion with Preference Optimization [55.25800735159481]
  Whole-Body Controller (WBC) は拡散生成運動を実行可能な軌道に変換する。 WBC軌道は物理学に準拠するが、元の運動からはかなり逸脱する可能性がある。 直接参照最適化フレームワークであるPhysMoDPOを提案する。 PhysMoDPOは、シミュレーションにおけるゼロショットモーション転送や、G1ヒューマノイドロボットへの実環境展開に適用した場合、大幅に改善される。
  論文  参考訳（メタデータ） (2026-03-13T17:59:59Z)
• SPARK: Skeleton-Parameter Aligned Retargeting on Humanoid Robots with Kinodynamic Trajectory Optimization [9.553570391005257]
  人間の動きは、汎用的なヒューマノイド制御ポリシーを訓練するための豊富な事前情報を提供するが、生のデモンストレーションはロボットの運動学や力学と相容れないことが多い。 タスク空間の人的データから自然および動的に実行可能な動作参照を生成するための2段階パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-03-12T03:03:14Z)
• OmniTrack: General Motion Tracking via Physics-Consistent Reference [54.256312586493415]
  OmniTrackは、一般的なモーショントラッキングから物理的実現可能性を明確に分離する一般的なトラッキングフレームワークである。 実験により、OmniTrackは追跡精度を向上し、目に見えない動きに対して強力な一般化を示すことが示された。 実世界のテストでは、OmniTrackは、フリップやカートホイールのような複雑なアクロバティックな動きを含む、1時間の長さ、一貫性、安定したトラッキングを実現している。
  論文  参考訳（メタデータ） (2026-02-27T09:12:15Z)
• TeleGate: Whole-Body Humanoid Teleoperation via Gated Expert Selection with Motion Prior [27.930225667015872]
  本稿では,ヒューマノイドロボットのための統合された全身遠隔操作フレームワークTeleGateを提案する。 私たちのキーとなる考え方は、軽量なゲーティングネットワークをトレーニングすることで、ドメイン固有の専門家ポリシーの完全な能力を維持することです。 リアルタイム遠隔操作における将来の参照軌跡の欠如を補うため,VAEベースのモーション先行モジュールを導入する。
  論文  参考訳（メタデータ） (2026-02-10T10:14:06Z)
• 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)
• Morph: A Motion-free Physics Optimization Framework for Human Motion Generation [28.009524143770076]
  現在の運動生成は、物理学的な制約を無視し、物理的に不可解な運動をもたらす。 雑音の多い動きデータを用いて有効な運動物理学を訓練するためのフレームワークである textbfMorph を提案する。 我々のフレームワークは、身体的可視性を大幅に向上させながら、最先端の運動品質を実現する。
  論文  参考訳（メタデータ） (2024-11-22T14:09:56Z)
• I-CTRL: Imitation to Control Humanoid Robots Through Constrained Reinforcement Learning [8.97654258232601]
  有界残留強化学習(I-CTRL)によるヒューマノイドロボットの制御フレームワークの開発 I-CTRLは5つのロボットにまたがるシンプルでユニークな報酬で、動きの模倣に優れています。 本フレームワークでは,大規模動作データセットを管理するための自動優先度スケジューラを導入している。
  論文  参考訳（メタデータ） (2024-05-14T16:12:27Z)
• Skeleton2Humanoid: Animating Simulated Characters for Physically-plausible Motion In-betweening [59.88594294676711]
  現代の深層学習に基づく運動合成アプローチは、合成された運動の物理的妥当性をほとんど考慮していない。 テスト時に物理指向の動作補正を行うシステムSkeleton2Humanoid'を提案する。 挑戦的なLaFAN1データセットの実験は、物理的妥当性と精度の両方の観点から、我々のシステムが先行手法を著しく上回っていることを示している。
  論文  参考訳（メタデータ） (2022-10-09T16:15:34Z)

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。