論文の概要: TAGA: Terrain-aware Active Gaze Learning for Generalizable Agile Humanoid Locomotion

• arxiv url: http://arxiv.org/abs/2606.05880v1
• Date: Thu, 04 Jun 2026 08:52:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.666795
• Title: TAGA: Terrain-aware Active Gaze Learning for Generalizable Agile Humanoid Locomotion
• Title（参考訳）: TAGA: 汎用的なアジャイルヒューマノイドロコモーションのための領域対応アクティブ・ゲイズ学習
• Authors: Peizhuo Li, Hongyi Li, Mingfeng Fan, Fangzhou Xu, Shuhao Liao, Yuxuan Ma, Zicheng Zeng, Ze Wang, Yongbin Jin, Yuhong Cao, Hongtao Wang, Guillaume Sartoretti,
• Abstract要約: 本研究では,意識に基づくヒューマノイド制御のためのTerrin-aware Active Gaze学習フレームワークTAGAを紹介する。 本フレームワークは,予測的手がかりを学習し,ハイトスキャンの特定の領域に積極的に参画するためのモデルである。 このような視線行動は、追加の監督や明示的な指導を必要とせず、強化学習だけで自然に現れることが判明した。
• 参考スコア（独自算出の注目度）: 13.927597120628064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agile humanoid locomotion across diverse challenging terrain demands both wide perceptual coverage and precise local geometry understanding. Motivated by the way humans selectively look at relevant terrain during locomotion, we introduce TAGA, a Terrain-aware Active Gaze learning framework for Attention-based humanoid control. By fusing vision, proprioception, and motion commands, our framework guides the model to learn anticipatory cues and actively attend to specific areas of the height scan, selectively using these informative regions for the downstream network. This adaptively increases the information density of observations under tight onboard computational constraints, thus enabling fine-grained perceptive locomotion over larger-scale terrains. We find that such gaze behaviors can naturally emerge through reinforcement learning alone, without requiring additional supervision or explicit guidance, significantly improve training efficiency. As a result, the trained policy demonstrates robust and generalizable locomotion in simulation and on hardware, including reliable terrain-aware foothold selection, elevated-platform traversal, competitive sparse-foothold traversal, and the largest reported real-world gap traversal distance of 1.2m among perceptive humanoid locomotion systems, while maintaining stability under severe perceptual disturbances and environmental interference.
• Abstract（参考訳）: アジャイルのヒューマノイド・ロコムーブメントは多様な困難な地形にまたがって、広範囲の知覚的カバレッジと正確な局所幾何学的理解を要求する。 移動中の地形を選択的に見る方法によって動機づけられたTAGAは、意識に基づくヒューマノイド制御のためのTerrin-aware Active Gaze学習フレームワークである。 我々のフレームワークは,視覚,プロプレセプション,動作コマンドを融合させることで,予測の手がかりを学習し,高度スキャンの特定の領域に積極的に参加し,これらの情報領域を下流ネットワークに選択的に活用する。 これにより、厳密な計算制約下での観測情報密度を適応的に増加させ、より大規模な地形上での知覚的な微粒な移動を可能にする。 このような視線行動は、追加の監督や明示的な指導を必要とせず、強化学習だけで自然に出現し、訓練効率を著しく向上させることができる。 その結果、トレーニングされた政策は、信頼性の高い地形対応の足場選択、高層プラットフォームトラバース、競争力のある足場トラバース、そして、知覚型ヒューマノイドロコモーションシステムの中で1.2mという最も大きな実世界のギャップ距離を報告し、重度の知覚障害や環境干渉下での安定性を維持しながら、シミュレーションおよびハードウェア上での堅牢で一般化可能なロコモーションを示す。

関連論文リスト

• Global-Local Attention Decomposition for Terrain Encoding in Humanoid Perceptive Locomotion [7.888727249239356]
  人型移動における地形符号化のためのグローバルローカルアテンション分解(GLAD)を提案する。 実験により、GLADは難解な隙間、石段、階段上での信頼性の高い移動を可能にすることが示された。 実世界におけるLiDARを用いたUnitree G1ヒューマノイドロボットの展開において,提案手法はロバストなゼロショット・シム・トゥ・リアルトランスファーを実現する。
  論文  参考訳（メタデータ） (2026-05-30T09:23:07Z)
• Learning Whole-Body Humanoid Locomotion via Motion Generation and Motion Tracking [22.8041193953823]
  高次元制御、形態的不安定性、および車載認識を用いた様々な地形へのリアルタイム適応の必要性により、全身のヒューマノイド移動は困難である。 本研究では,参照動作から学んだスキルと地形認識適応を組み合わせた全身ヒューマノイド移動フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-19T09:02:55Z)
• 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)
• No More Blind Spots: Learning Vision-Based Omnidirectional Bipedal Locomotion for Challenging Terrain [12.51464645002418]
  視覚に基づく全方向二足歩行のための学習フレームワークを提案する。 重要な課題は、シミュレーションにおいて一方向の深度画像をレンダリングする計算コストが高いことである。 本手法は、視覚に基づく生徒政策を監督する教師ポリシーと、頑健なブラインドコントローラを組み合わせる。
  論文  参考訳（メタデータ） (2025-08-16T06:20:46Z)
• Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。 また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• Universal Humanoid Motion Representations for Physics-Based Control [71.46142106079292]
  物理学に基づくヒューマノイド制御のための総合的な運動スキルを含む普遍的な運動表現を提案する。 まず、大きな非構造運動データセットから人間の動きをすべて模倣できる動き模倣機を学習する。 次に、模倣者から直接スキルを蒸留することで、動作表現を作成します。
  論文  参考訳（メタデータ） (2023-10-06T20:48:43Z)
• Learning to Jump from Pixels [23.17535989519855]
  我々は、高度にアジャイルな視覚的誘導行動の合成法であるDepth-based Impulse Control (DIC)を提案する。 DICは、モデルフリー学習の柔軟性を提供するが、地面反応力の明示的なモデルベース最適化により、振る舞いを規則化する。 提案手法をシミュレーションと実世界の両方で評価する。
  論文  参考訳（メタデータ） (2021-10-28T17:53:06Z)
• Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual Observations [75.60524561611008]
  この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。 まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。 本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
  論文  参考訳（メタデータ） (2021-09-28T20:25:10Z)
• Learning to Move with Affordance Maps [57.198806691838364]
  物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。 従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。 学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
  論文  参考訳（メタデータ） (2020-01-08T04:05:11Z)

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。