論文の概要: Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot

• arxiv url: http://arxiv.org/abs/2604.21351v1
• Date: Thu, 23 Apr 2026 07:10:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.349675
• Title: Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot
• Title（参考訳）: 身長の学習:ヒューマノイドロボットの非自己安定化運動を省略する
• Authors: Yucheng Xin, Jiacheng Bao, Haoran Yang, Wenqiang Que, Dong Wang, Junbo Tan, Xueqian Wang, Bin Zhao, Xuelong Li,
• Abstract要約: 人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。 この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。 我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
• 参考スコア（独自算出の注目度）: 56.377161933570335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The integration of imitation and reinforcement learning has enabled remarkable advances in humanoid whole-body control, facilitating diverse human-like behaviors. However, research on environment-dependent motions remains limited. Existing methods typically enforce rigid trajectory tracking while neglecting physical interactions with the environment. We observe that humans naturally exploit a "weightless" state during non-self-stabilizing (NSS) motions--selectively relaxing specific joints to allow passive body--environment contact, thereby stabilizing the body and completing the motion. Inspired by this biological mechanism, we design a weightlessness-state auto-labeling strategy for dataset annotation; and we propose the Weightlessness Mechanism (WM), a method that dynamically determines which joints to relax and to what level, together enabling effective environmental interaction while executing target motions. We evaluate our approach on 3 representative NSS tasks: sitting on chairs of varying heights, lying down on beds with different inclinations, and leaning against walls via shoulder or elbow. Extensive experiments in simulation and on the Unitree G1 robot demonstrate that our WM method, trained on single-action demonstrations without any task-specific tuning, achieves strong generalization across diverse environmental configurations while maintaining motion stability. Our work bridges the gap between precise trajectory tracking and adaptive environmental interaction, offering a biologically-inspired solution for contact-rich humanoid control.
• Abstract（参考訳）: 模倣と強化学習の統合により、ヒューマノイド全体の制御が著しく進歩し、多様な人間的な行動が促進された。 しかし、環境依存運動の研究は依然として限られている。 既存の手法は通常、環境との物理的相互作用を無視しながら、厳格な軌道追跡を強制する。 我々は,非自己安定化(NSS)運動において,人間が自然に「無重力」状態を利用するのを観察し,特定の関節を選択的に緩め,受動体との接触を許容し,身体を安定させ,運動を完了させる。 この生物学的メカニズムにインスパイアされ、データセットアノテーションのための無重力自動ラベル戦略を設計し、ターゲットの動きを実行しながら効果的な環境相互作用を実現するために、どの関節をリラックスさせるかを動的に決定する方法、WM(Weightlessness Mechanism)を提案する。 異なる高さの椅子に座り,傾斜の異なるベッドに横たわり,肩や肘を介して壁にもたれて,3つの代表的なNASタスクに対するアプローチを評価した。 シミュレーションおよびUnitree G1ロボットにおける広範囲な実験により,タスク固有のチューニングを伴わずに単一動作のデモンストレーションを訓練したWM法が,動作安定性を維持しつつ,多様な環境構成をまたいだ強力な一般化を実現することが実証された。 我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。

関連論文リスト

• Interaction-Aware Whole-Body Control for Compliant Object Transport [33.233203393813376]
  本稿では,人工小脳として機能する対話指向型全身制御(IO-WBC)を提案する。 IO-WBCは上流(スキルレベル)のコマンドを、接触中の安定した物理的に一貫した全身動作に変換する。
  論文  参考訳（メタデータ） (2026-03-04T05:50:40Z)
• HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
  本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。 我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。 ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-12T09:34:35Z)
• GentleHumanoid: Learning Upper-body Compliance for Contact-rich Human and Object Interaction [14.278503723930998]
  GentleHumanoidは、インピーダンス制御を全身のモーショントラッキングポリシーに統合し、上半身のコンプライアンスを実現するフレームワークである。 我々は,Unitree G1ヒューマノイドとシミュレーションの両方において,異なるレベルのコンプライアンスを必要とするタスクに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2025-11-06T18:59:33Z)
• PhysHSI: Towards a Real-World Generalizable and Natural Humanoid-Scene Interaction System [67.2851799763138]
  PhysHSIはシミュレーショントレーニングパイプラインと現実世界のデプロイメントシステムで構成される。 シミュレーションでは,自然のヒューマノイドとシーンの相互作用データを模倣するために,逆運動に基づくポリシー学習を採用する。 実世界の展開には、LiDARとカメラ入力を組み合わせた粗粒度オブジェクトローカライズモジュールを導入する。
  論文  参考訳（メタデータ） (2025-10-13T07:11:37Z)
• Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis [51.95817740348585]
  Human-Xは、様々な実体をまたいだ没入的で物理的に妥当なヒューマンインタラクションを可能にするために設計された、新しいフレームワークである。 本手法は, 自己回帰型反応拡散プランナを用いて, リアルタイムに反応と反応を同時予測する。 我々のフレームワークは、人間とロボットのインタラクションのための仮想現実インターフェースを含む、現実世界のアプリケーションで検証されている。
  論文  参考訳（メタデータ） (2025-08-04T06:35:48Z)
• 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)
• Natural and Robust Walking using Reinforcement Learning without Demonstrations in High-Dimensional Musculoskeletal Models [29.592874007260342]
  人間は複雑な自然環境の中を歩く頑丈な二足歩行で運動します。 神経系が筋骨格の冗長性をどのように解決し、多目的制御問題を解決するかは、まだ完全には分かっていない。
  論文  参考訳（メタデータ） (2023-09-06T13:20:31Z)

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。