論文の概要: SWAP: Symmetric Equivariant World-Model for Agile Robot Parkour
- arxiv url: http://arxiv.org/abs/2606.19928v1
- Date: Thu, 18 Jun 2026 08:28:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:39.729317
- Title: SWAP: Symmetric Equivariant World-Model for Agile Robot Parkour
- Title（参考訳）: SWAP:アジャイル・ロボット・パールのための対称的等価世界モデル
- Abstract要約: SWAPは、エンドツーエンドの同変対称世界モデルである。
対称性を世界モデルとアクター批判ネットワークの両方に直接埋め込む。
実際のテストでは、ロボットは2.13mの隙間を飛び越えて1.63mのプラットフォームに登り、四足歩行で記録を破る。
- 参考スコア（独自算出の注目度）: 9.075327508871016
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While latent world models enable the proactive predictions required for extreme parkour, their purely data-driven nature forces them to redundantly encode left-right symmetric interactions as independent patterns. This inflates the learning burden and hinders the capture of geometric regularities, restricting the latent space's efficiency for downstream policies. To address this, we propose SWAP, an end-to-end equivariant symmetric world model. This framework embeds symmetry directly into both the world model and the actor-critic networks. In real-world tests, the robot leaps across a 2.13 m gap and climbs a 1.63 m platform, breaking records for quadruped parkour. Furthermore, the framework exhibits robust geometric generalization to unseen mirrored terrains and exceptional zero-shot transferability across diverse outdoor environments. These results demonstrate that symmetry equivariance is an effective structural prior for pushing the physical boundaries of learned legged locomotion.
- Abstract（参考訳）: 潜在世界モデルは極端にパーキングに必要とされる積極的な予測を可能にするが、その純粋にデータ駆動的な性質は、無関係なパターンとして左右対称相互作用を冗長に符号化する。
これは学習の負担を膨らませ、幾何学的正則性の獲得を妨げ、下流ポリシーの潜在空間の効率を制限する。
そこで本研究では,エンドツーエンドの同変対称世界モデルであるSWAPを提案する。
このフレームワークは、世界モデルとアクター・クリティカル・ネットワークの両方に直接対称性を埋め込む。
実際のテストでは、ロボットは2.13mの隙間を飛び越えて1.63mのプラットフォームに登り、四足歩行で記録を破る。
さらに、このフレームワークは、未確認の地形への堅牢な幾何学的一般化と、多様な屋外環境における例外的なゼロショット転送性を示す。
これらの結果は, 学習した足の移動の物理的境界を推し進める上で, 対称性の同値性は有効な構造であることを示した。
関連論文リスト
- GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。
純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。
自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
論文 参考訳（メタデータ） (2026-08-18T18:21:36Z) - LeapBot-WA: World-Anchor Action Models via Predictive Latent Alignments [41.26480439505561]
世界行動モデル(WAM)は、インテリジェンスを具現化する強力なパラダイムとして登場した。
モデルにタスク非関連の視覚的詳細を再構築させると、表現能力が低下し、視覚的邪魔者に対して脆弱なポリシーが現れる。
本稿では,JEPA(Joint-Embedding Predictive Architecture)をワールドアンカーとして運用することで,WAMの新たな予測-遅延パラダイムを確立するLeapBot-WAを提案する。
論文 参考訳（メタデータ） (2026-07-27T03:36:45Z) - PhysisForcing: Physics Reinforced World Simulator for Robotic Manipulation [37.9748770367306]
ビデオ生成モデルは、一貫性のないロボットとオブジェクトの相互作用を含む、物理的に不可解な操作を生成することができる。
本研究では,物理インフォーマティブ領域の監督に焦点をあて,身体の整合性を高めるためのトレーニングフレームワークであるPhys Forcingを提案する。
実験の結果,Phys Forcing は強いベースラインよりも常にエンボディドビデオ生成を改善していることがわかった。
論文 参考訳（メタデータ） (2026-06-26T14:30:18Z) - Extreme dynamic symmetry enables omnidirectional and multifunctional robots [2.399731967132262]
我々は,ロボットの達成可能な中心加速度の均一性である動的対称性を導入し,動的等方性(dynamic isotropy)と呼ばれる尺度で定式化する。
1000以上の模擬形態学において、高い動的対称性は軌道追跡、タスク成功、堅牢性、レジリエンス、エネルギー効率を一貫して改善することを発見した。
このシステムを体系的に研究するために、動的対称性の増大による影響を探索するために設計された球形ロボットのファミリーであるArgusを開発した。
論文 参考訳（メタデータ） (2026-05-28T02:15:58Z) - ParkourFormer: Integrating Predictive Supervision and Sequence Modeling into Parkour Locomotion [18.91196966757826]
本稿では,トランスフォーマーをベースとしたシーケンスモデリングフレームワークであるParkourFormerについて述べる。
シミュレーションと本物のヒューマノイドロボットの実験により、ParkourFormerは高度に挑戦的な地形で平均93.85%の成功率を達成した。
論文 参考訳（メタデータ） (2026-05-25T12:29:47Z) - Imagine2Real: Towards Zero-shot Humanoid-Object Interaction via Video Generative Priors [51.096845970243855]
高忠実度3Dデータの不足により,全体Humanoid-Object Interaction (HOI) がボトルネックとなる。
本研究では,ゼロショットHOIフレームワークであるImagine2Realを提案する。
論文 参考訳（メタデータ） (2026-05-21T10:15:39Z) - LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels [49.35636088613484]
JEPA(Joint Embedding Predictive Architectures)は、コンパクトな潜在空間で世界モデルを学習するための魅力的なフレームワークを提供する。
最初のJEPAであるLeModelWorldを紹介します。
数時間で1つのGPU上で15万のパラメータをトレーニングできるため、LeWMはファンデーションモデルベースの世界モデルよりも48倍高速に計画している。
論文 参考訳（メタデータ） (2026-03-13T19:48:14Z) - 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) - When Robots Obey the Patch: Universal Transferable Patch Attacks on Vision-Language-Action Models [81.7618160628979]
VLA(Vision-Language-Action)モデルは敵の攻撃に弱いが、普遍的かつ移動可能な攻撃は未発見のままである。
UPA-RFAS(Universal Patch Attack via Robust Feature, Attention, and Semantics)は、単一の物理的パッチを共有機能空間で学習する統合フレームワークである。
多様なVLAモデル、操作スイート、物理実行の実験は、UPA-RFASがモデル、タスク、視点を一貫して移行していることを示している。
論文 参考訳（メタデータ） (2025-11-26T09:16:32Z) - Sports-Traj: A Unified Trajectory Generation Model for Multi-Agent Movement in Sports [53.637837706712794]
任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。
具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを紹介する。
バスケットボールU,サッカーU,サッカーUの3つの実践的スポーツデータセットをベンチマークして評価を行った。
論文 参考訳（メタデータ） (2024-05-27T22:15:23Z) - Symmetry Considerations for Learning Task Symmetric Robot Policies [12.856889419651521]
シンメトリーは多くの現実世界のロボットタスクの基本的な側面である。
現在の深層強化学習(DRL)アプローチは、対称性を効果的に活用することは滅多にない。
論文 参考訳（メタデータ） (2024-03-07T09:41:11Z)
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。