論文の概要: AGILE: A Comprehensive Workflow for Humanoid Loco-Manipulation Learning

• arxiv url: http://arxiv.org/abs/2603.20147v1
• Date: Fri, 20 Mar 2026 17:21:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.252822
• Title: AGILE: A Comprehensive Workflow for Humanoid Loco-Manipulation Learning
• Title（参考訳）: AGILE:Humanoid Loco-Manipulation Learningのための総合ワークフロー
• Authors: Huihua Zhao, Rafael Cathomen, Lionel Gulich, Wei Liu, Efe Arda Ongan, Michael Lin, Shalin Jain, Soha Pouya, Yan Chang,
• Abstract要約: 我々は、ポリシー開発ライフサイクルを一般的なsim-to-real障害モードに標準化する、ヒューマノイドRLのエンドツーエンドワークフローであるAGILEを提案する。 AGILEは,(1)対話型環境検証,(2)再現性トレーニング,(3)統一評価,(4)記述子駆動デプロイメントの4段階からなる。 動作,回復,動作の模倣,および2つのハードウェアプラットフォーム上でのロコ操作を含む5つの代表的ヒューマノイドスキルにまたがるAGILEを検証した。
• 参考スコア（独自算出の注目度）: 3.679378077355483
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Recent advances in reinforcement learning (RL) have enabled impressive humanoid behaviors in simulation, yet transferring these results to new robots remains challenging. In many real deployments, the primary bottleneck is no longer simulation throughput or algorithm design, but the absence of systematic infrastructure that links environment verification, training, evaluation, and deployment in a coherent loop. To address this gap, we present AGILE, an end-to-end workflow for humanoid RL that standardizes the policy-development lifecycle to mitigate common sim-to-real failure modes. AGILE comprises four stages: (1) interactive environment verification, (2) reproducible training, (3) unified evaluation, and (4) descriptor-driven deployment via robot/task configuration descriptors. For evaluation stage, AGILE supports both scenario-based tests and randomized rollouts under a shared suite of motion-quality diagnostics, enabling automated regression testing and principled robustness assessment. AGILE also incorporates a set of training stabilizations and algorithmic enhancements in training stage to improve optimization stability and sim-to-real transfer. With this pipeline in place, we validate AGILE across five representative humanoid skills spanning locomotion, recovery, motion imitation, and loco-manipulation on two hardware platforms (Unitree G1 and Booster T1), achieving consistent sim-to-real transfer. Overall, AGILE shows that a standardized, end-to-end workflow can substantially improve the reliability and reproducibility of humanoid RL development.
• Abstract（参考訳）: 強化学習(RL)の最近の進歩は、シミュレーションにおいて印象的なヒューマノイドの動作を可能にしたが、これらの結果を新しいロボットに転送することは依然として困難である。 多くの実際のデプロイメントにおいて、主なボトルネックは、もはやシミュレーションスループットやアルゴリズム設計ではなく、環境検証、トレーニング、評価、コヒーレントループでのデプロイメントをリンクする体系的なインフラストラクチャがないことである。 このギャップに対処するために、ポリシー開発ライフサイクルを標準化し、一般的なsim-to-real障害モードを緩和する、ヒューマノイドRLのエンドツーエンドワークフローであるAGILEを紹介します。 AGILEは,(1)対話型環境検証,(2)再現性トレーニング,(3)統一評価,(4)ロボット/タスク構成記述子による記述子駆動展開の4段階からなる。 評価段階では、AGILEはシナリオベースのテストとランダム化されたロールアウトの両方をサポートし、自動回帰テストと原則化された堅牢性評価を可能にする。 AGILEはまた、最適化安定性とsim-to-real転送を改善するために、トレーニング段階におけるトレーニング安定化とアルゴリズム拡張のセットも組み込んでいる。 本パイプラインの設置により,ロコモーション,リカバリ,モーション模倣,ロコ操作を含む5つのヒューマノイドスキル(Unitree G1とBooster T1)を対象とし,一貫したsim-to-real転送を実現する。 AGILEは、標準化されたエンドツーエンドのワークフローによって、ヒューマノイドRL開発の信頼性と再現性を大幅に向上させることができることを示した。

関連論文リスト

• Beyond Imitation: Reinforcement Learning-Based Sim-Real Co-Training for VLA Models [35.41613201907666]
  本稿では,UnderlinetextitRLベースのsim-real UnderlinetextitCo-training modified(RL-Co)フレームワークを提案する。 RLコトレーニングは、目に見えないタスクのバリエーションに強く一般化し、実世界のデータ効率を大幅に改善する。
  論文  参考訳（メタデータ） (2026-02-13T05:15:50Z)
• EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
  Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。 しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。 実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
  論文  参考訳（メタデータ） (2026-01-29T11:33:49Z)
• Sim-to-Real Transfer via a Style-Identified Cycle Consistent Generative Adversarial Network: Zero-Shot Deployment on Robotic Manipulators through Visual Domain Adaptation [1.0499611180329804]
  深層強化学習(Dep Reinforcement Learning, DRL)は、実世界の訓練のコストと時間的要求により、その産業的採用を損なう。 仮想環境はDRLエージェントを訓練するためのコスト効率の良い代替手段を提供するが、学習したポリシーの実際のセットアップへの移動は、sim-to-realギャップによって妨げられる。 本研究は,CycleGANベースモデルであるStyleID-CycleGAN(StyleID-CycleGAN, SICGAN)に基づく新しい領域適応手法を提案する。
  論文  参考訳（メタデータ） (2026-01-23T11:48:15Z)
• AutoForge: Automated Environment Synthesis for Agentic Reinforcement Learning [71.4322853508083]
  シミュレーション環境における強化学習の実施は、言語ベースのエージェントを強化するためのコスト効率が高く、スケーラブルな方法を提供する。 これまでの作業は、半自動化された環境合成や、十分な困難を欠いたタスクに限られており、幅や深さがほとんどない。 本稿では,高難易度かつ容易に検証可能なタスクに関連付けられたシミュレーション環境の,自動化されたスケーラブルな合成のための統一パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-12-28T09:43:11Z)
• EVOLVE-VLA: Test-Time Training from Environment Feedback for Vision-Language-Action Models [57.75717492488268]
  VLA(Vision-Language-Action)モデルは、大きな言語モデルを活用することで高度なロボット操作を行う。 Supervised Finetuning (SFT) では、タスク毎の数百のデモ、厳格に軌跡を記憶すること、デプロイメント条件がトレーニングから逸脱したときに適応できないことなどが求められている。 EVOLVE-VLA(EVOLVE-VLA)は、VLAが最小またはゼロのタスク固有のデモで環境相互作用を通じて継続的に適応できるテストタイムトレーニングフレームワークである。
  論文  参考訳（メタデータ） (2025-12-16T18:26:38Z)
• Arcadia: Toward a Full-Lifecycle Framework for Embodied Lifelong Learning [80.6669596031697]
  閉ループフレームワークであるArcadiaを導入し,4段階を密結合させることで生涯学習を実践する。 Arcadiaは、ナビゲーションと操作ベンチマークに一貫した利益をもたらし、物理的なロボットにしっかりと転送する。
  論文  参考訳（メタデータ） (2025-11-25T07:26:00Z)
• Human-in-the-loop Online Rejection Sampling for Robotic Manipulation [55.99788088622936]
  Hi-ORSは、オンライン微調整中に負の報酬を得たサンプルをフィルタリングすることで、値推定を安定化する。 Hi-ORSは、わずか1.5時間でコンタクトリッチな操作をマスターするためのpiベースのポリシーを微調整する。
  論文  参考訳（メタデータ） (2025-10-30T11:53:08Z)
• RIFT: Group-Relative RL Fine-Tuning for Realistic and Controllable Traffic Simulation [13.319344167881383]
  データ駆動シミュレーターにおいて、模擬学習事前学習を行う2段階のAV中心シミュレーションフレームワークを導入する。 次に、物理に基づくシミュレータで微調整を学習し、スタイルレベルの制御性を向上する。 微調整段階において,新しいグループ関連RL微調整戦略であるRIFTを提案する。
  論文  参考訳（メタデータ） (2025-05-06T09:12:37Z)
• Reinforcement Learning with Human Feedback for Realistic Traffic Simulation [53.85002640149283]
  効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。 本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
  論文  参考訳（メタデータ） (2023-09-01T19:29:53Z)

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。