論文の概要: SSR: Scaling Surefooted and Symmetric Humanoid Traversal to the Open World
- arxiv url: http://arxiv.org/abs/2605.30770v1
- Date: Fri, 29 May 2026 02:54:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.352612
- Title: SSR: Scaling Surefooted and Symmetric Humanoid Traversal to the Open World
- Title（参考訳）: SSR: オープンワールドへの安全な足と対称なヒューマノイドトラバーサルのスケーリング
- Abstract要約: SSRは、エゴセントリックな視覚に基づくヒューマノイドトラバーサルのための効率的なエンドツーエンドフレームワークである。
近く登場するスイングフットの接触をモデル化し、タッチダウン前のスイングを安定した地域へ誘導するためのサポートを評価する。
様々な現実世界の地形において、安全で安定的で高品質な移動を実現する。
- 参考スコア（独自算出の注目度）: 10.01727438001549
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Extending humanoid traversal to the open world is key to practical deployment in human environments, but remains challenging. The robot must use vision to ensure safe and reliable foot placement on heterogeneous terrain under highly dynamic motion, while producing coordinated, natural whole-body behaviors. We propose SSR, an efficient end-to-end framework for egocentric vision-based humanoid traversal that jointly learns these capabilities. SSR introduces imagined foothold guidance, which learns to model forthcoming swing-foot contacts and evaluates their support to guide pre-touchdown swings toward stable regions, reducing edge slips. It further employs equivariant latent-space symmetry augmentation to efficiently induce bilateral coordination under high-dimensional visual observations, and uses terrain-specific multi-discriminator motion priors to encourage human-like behavior across scenes. Extensive experiments show that SSR achieves safe, stable, and high-quality locomotion on diverse real-world terrains, including stairs with varied structures and extreme challenges such as wide gaps and high platforms, while enabling reliable long-horizon traversal in open outdoor environments.
- Abstract（参考訳）: オープンワールドへのヒューマノイドの展開は、人間環境への実践的な展開の鍵となるが、依然として困難である。
ロボットは視力を利用して、非常にダイナミックな動きの下で不均一な地形に安全かつ信頼性の高い足場を配置し、協調された自然の全身行動を生成する必要がある。
我々は、これらの能力を共同で学習する、エゴセントリックな視覚に基づくヒューマノイドトラバーサルのための効率的なエンドツーエンドフレームワークであるSSRを提案する。
SSRは、次のスイングフット接触をモデル化することを学び、タッチダウン前のスイングを安定した領域へ誘導するためのサポートを評価し、エッジスリップを減らす、想像上の足場ガイダンスを導入している。
さらに、同変ラテント空間対称性の増大を利用して、高次元の視覚的観察下での双方向の協調を効果的に誘導し、ランドスケープ特有の多差別化運動を用いて、シーンを横断する人間のような行動を奨励する。
大規模な実験により、SSRは、様々な構造を持つ階段や、広い隙間や高層プラットフォームといった極端な課題を含む様々な現実世界の地形において、安全で安定的で高品質な移動を実現し、オープンな屋外環境での信頼性の高いロングホライゾン・トラバースを可能にすることが示されている。
関連論文リスト
- EgoHTR: Egocentric 4D Demonstrations of Human Terrain Traversal [63.906929035961134]
我々は,55のシーンアラインな4次元人間の動作シーケンスを,多様な複雑な環境下で収集する再構築パイプラインをオープンソースとして公開した。
得られたデータセットは150k以上のフレームから構成される。
私たちのパイプラインは、コミュニティ主導のデータセット拡張を可能にし、研究者がコンテキスト認識ロボットを構築するのに役立つ問題を要因にします。
論文 参考訳（メタデータ） (2026-07-15T06:02:41Z) - AnchorWorld: Embodied Egocentric World Simulation with View-based Evolution Customization [79.26935895370191]
AnchorWorldは、対話の整合性を強化することで、エゴセントリックなシミュレーションを促進するフレームワークである。
補助訓練監督は、エージェントのファーストパーソンセンタリウムから切り離された視点を取り入れている。
我々は、自己進化する世界をカスタマイズするためのシンプルで効果的なメカニズムを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:43:13Z) - Explicit Stair Geometry Conditioning for Robust Humanoid Locomotion [15.718523500563203]
本稿では,ロバストなヒューマノイド・ステアクライミングのための明示的な階段形状条件付けフレームワークを提案する。
地形を高次元の潜在特徴として符号化する代わりに,ステップ高さ,ステップ深さ,ロボットの進路に対するヨー角度など,解釈可能な幾何学的パラメータのコンパクトなセットを抽出する。
これらの明示的な階段パラメータは、PPO(Proximal Policy Optimization)に基づくロコモーションポリシーを直接条件とし、階段構造に応じてスイングフットクリアランスとストライド特性のプロアクティブな変調を可能にする。
論文 参考訳（メタデータ） (2026-05-11T03:47:24Z) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
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。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - CReF: Cross-modal and Recurrent Fusion for Depth-conditioned Humanoid Locomotion [6.2747272941647045]
本稿では,CreF (Cross-modal and Recurrent Fusion) を提案する。
CReFは、明示的な幾何学的中間体を使わずに、生の前方深度から直接移動関連特徴を学習する。
論文 参考訳（メタデータ） (2026-03-31T08:56:29Z) - Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching [77.28042137892943]
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。
論文 参考訳（メタデータ） (2026-02-17T18:59:11Z) - 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) - Now You See That: Learning End-to-End Humanoid Locomotion from Raw Pixels [1.3015553594945661]
視覚駆動型ヒューマノイド移動のためのエンドツーエンドフレームワークを提案する。
頑健なsim-to-real転送を実現するため,高忠実度深度センサシミュレーションを開発した。
本稿では,遅延空間アライメントと雑音不変の補助タスクを組み合わせた視覚的行動蒸留手法を提案する。
論文 参考訳（メタデータ） (2026-02-06T04:34:20Z) - Hiking in the Wild: A Scalable Perceptive Parkour Framework for Humanoids [30.976354277907664]
textitHiking in the Wildは、堅牢なヒューマノイドハイキング用に設計された、スケーラブルでエンドツーエンドのパーサー知覚フレームワークだ。
提案手法では, 外部状態推定に頼ることなく, 単段階強化学習手法, 生深度入力, プロプレセプションを直接協調動作にマッピングする。
論文 参考訳（メタデータ） (2026-01-12T16:50:50Z) - START: Traversing Sparse Footholds with Terrain Reconstruction [11.632418196552324]
我々は,高度にスパースな足場でアジャイルで安定した移動を可能にする,単段階学習フレームワークSTARTを提案する。
STARTは、ローコストのオンボードビジョンとプロプレセプションのみを活用して、局所的な地形の高度マップを正確に再構築する。
実験結果から,STARTは実世界の様々なシナリオにまたがるゼロショット転送を実現することが示された。
論文 参考訳（メタデータ） (2025-12-15T10:02:41Z) - Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。
31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
論文 参考訳（メタデータ） (2025-12-08T11:42:41Z) - HA-VLN 2.0: An Open Benchmark and Leaderboard for Human-Aware Navigation in Discrete and Continuous Environments with Dynamic Multi-Human Interactions [64.69468932145234]
HA-VLN 2.0は、明示的な社会的認識制約を導入した統一ベンチマークである。
その結果、明示的な社会的モデリングはナビゲーションの堅牢性を向上し、衝突を減らすことが示唆された。
論文 参考訳（メタデータ） (2025-03-18T13:05:55Z)
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。