論文の概要: CWI: Composite Humanoid Whole-Body Imitation System for Loco-manipulation
- arxiv url: http://arxiv.org/abs/2606.27676v1
- Date: Fri, 26 Jun 2026 03:14:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.357246
- Title: CWI: Composite Humanoid Whole-Body Imitation System for Loco-manipulation
- Title（参考訳）: CWI:ロコ操作のための複合ヒューマノイド全体模擬システム
- Abstract要約: 上半身操作と下半身移動のためのMoCapデータの利用を分離するフレームワークであるComposite Whole-Body Imitation (CWI)を提案する。
マルチクリティカルアーキテクチャは、移動、操作、動きスタイルの目的間の衝突を減らす。
その結果, 全体モーションキャプチャー装置を使わずに, 競争力のあるロコ操作性能, 頑健な全身調整, 実用的な遠隔操作を実現した。
- 参考スコア（独自算出の注目度）: 5.627724691080982
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Achieving everyday tasks with humanoid robots requires coordinating stable locomotion with versatile manipulation. However, existing whole-body controllers still face significant challenges. Methods trained solely via command sampling, without motion-capture (MoCap) data, often struggle with sparse rewards and require carefully tuned curricula to converge. This is especially problematic for upper-body control, where the resulting motions deviate from human-like statistics and degrade whole-body coordination. Conversely, approaches that imitate full-body MoCap data suffer from dataset imbalance, as many locomotion trajectories are overly aggressive for stable-locomotion scenarios, necessitating extensive data filtering and augmentation. To address this, we present Composite Whole-Body Imitation (CWI), a framework that decouples the use of MoCap data for upper-body manipulation and lower-body locomotion. This decoupling allows us to exploit the full MoCap dataset of diverse manipulation references, while stable, command-conditioned lower-body locomotion is guided by dual discriminators trained on curated expert-quality walking and squatting clips via an Adversarial Motion Prior (AMP). A multi-critic architecture reduces conflicts among locomotion, manipulation, and motion-style objectives, and a teacher--student distillation stage yields a whole-body policy conditioned only on bimanual hand poses and velocity/height commands. We evaluate CWI through simulation experiments and real-world deployment on a full-size LimX Oli humanoid. The results show competitive loco-manipulation performance, robust whole-body coordination, and practical teleoperation without full-body motion-capture equipment. A project page with supplementary material can be found at https://cwi-ral.github.io/CWI-RAL-Webpage.
- Abstract（参考訳）: ヒューマノイドロボットで日々の仕事を成し遂げるには、多目的な操作で安定した移動を調整する必要がある。
しかし、既存のボディコントローラは依然として大きな課題に直面している。
コマンドサンプリングのみで訓練された手法は、モーションキャプチャー(MoCap)データなしで、しばしばスパース報酬と苦労し、注意深く調整されたカリキュラムを収束させる必要がある。
これは上半身制御において特に問題であり、結果として得られる動きは人間のような統計から逸脱し、体全体の調整を低下させる。
逆に、フルボディのMoCapデータを模倣するアプローチは、多くの移動軌跡が安定した移動シナリオに対して過度に積極的なため、データセットの不均衡に悩まされる。
これを解決するために,上半身操作と下半身移動のためのMoCapデータの利用を分離するフレームワークであるComposite Whole-Body Imitation (CWI)を提案する。
このデカップリングにより、さまざまな操作参照の完全なMoCapデータセットを活用できる一方、安定したコマンド条件の下半身移動は、訓練された専門家品質の歩行としゃがんだクリップを、Adversarial Motion Prior (AMP)を介して訓練された2つの識別者によって誘導される。
マルチクリティカルなアーキテクチャは、移動、操作、運動スタイルの目的間の衝突を減らし、教師の学生蒸留段階は、バイマダルハンドポーズとベロシティ/ハイトコマンドにのみ条件付き全身ポリシーを生成する。
シミュレーション実験と実世界展開によるCWIの評価を行った。
その結果, 全体モーションキャプチャー装置を使わずに, 競争力のあるロコ操作性能, 頑健な全身調整, 実用的な遠隔操作を実現した。
追加資料のプロジェクトページはhttps://cwi-ral.github.io/CWI-RAL-Webpageにある。
関連論文リスト
- Behavior Foundations for Quadruped Robots: ABot-C0 Technical Report [25.18747802029395]
本稿では,四足歩行ロボットの汎用動作制御システムであるABot-C0を提案する。
我々は、条件付きビデオ生成、注釈付きモーションキャプチャ、ヒューマンデザインを通じてデータピラミッドを構築し、16,074個の物理的に実現可能なモーションクリップを生成した。
そして、3段階の特権と知覚の枠組みを採用することで、ロバストな全地球移動に向けて一歩前進します。
論文 参考訳（メタデータ） (2026-07-08T13:04:07Z) - MotionWAM: Towards Foundation World Action Models for Real-Time Humanoid Loco-Manipulation [17.392786435444062]
我々は,1台の自家用カメラから自律型ヒューマノイドロコマニピュレーションを駆動するリアルタイムWAMであるMotionWAMを紹介する。
3段階の学習フレームワークは、ビデオワールドモデルをエゴセントリックな視覚力学に徐々に適応させる。
論文 参考訳（メタデータ） (2026-06-08T08:50:14Z) - M3imic: Learning a Versatile Whole-Body Controller for Multimodal Motion Mimicking [45.636871702422134]
Multi-Modal Mimicはヒューマノイドロボットのための汎用的な全身制御フレームワークである。
ロボットの関節角度、人間のポーズ軌跡、エンドエフェクターのポーズなど、異種動作参照モードを統一する。
モダリティ特異的なリトレーニングを伴わない、複数の運動基準モード間のシミュレート・トゥ・リアル転送を実現する。
論文 参考訳（メタデータ） (2026-06-03T12:52:37Z) - 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) - Load-Aware Locomotion Control for Humanoid Robots in Industrial Transportation Tasks [19.55626538861657]
本稿では、疎結合で協調的なロコ操作アーキテクチャに基づく産業用ヒューマノイドの負荷対応ロコモーションフレームワークを提案する。
下半身移動は、運動学的に派生した名目構成に残留的な関節動作を生じる強化学習ポリシーを介して制御される。
このフレームワークは完全にシミュレーションで訓練され、微調整なしでフルサイズのヒューマノイドロボットにデプロイされる。
論文 参考訳（メタデータ） (2026-03-15T09:57:32Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳（メタデータ） (2026-03-03T18:59:29Z) - CLOT: Closed-Loop Global Motion Tracking for Whole-Body Humanoid Teleoperation [54.7399209456857]
閉ループグローバルモーショントラッキングを実現する,リアルタイムな人型遠隔操作システムCLOTを提案する。
CLOTはオペレータとロボットのポーズをクローズドループで同期させ、長時間のタイムホライズン上でドリフトフリーな人間-人間-ヒューマノイドの模倣を可能にする。
本研究では,報奨評価から観測軌道を分離し,スムーズで安定した大域的補正を可能にするデータ駆動ランダム化手法を提案する。
論文 参考訳（メタデータ） (2026-02-13T12:03:13Z) - CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。
CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。
そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
論文 参考訳（メタデータ） (2025-12-16T18:56:04Z) - DemoHLM: From One Demonstration to Generalizable Humanoid Loco-Manipulation [29.519071338337685]
シミュレーションにおける1つのデモから,実ロボット上でのヒューマノイドロコ操作のためのフレームワークであるDemoHLMを提案する。
全身のコントローラーは、全身のモーションコマンドを関節トルクにマッピングし、ヒューマノイドロボットのための全方向移動手段を提供する。
実験では, 合成データ量と政策性能との間に正の相関が認められた。
論文 参考訳（メタデータ） (2025-10-13T10:49:40Z) - Dexplore: Scalable Neural Control for Dexterous Manipulation from Reference-Scoped Exploration [58.4036440289082]
ハンドオブジェクトモーションキャプチャ(MoCap)は、大規模でコンタクトに富んだデモと、器用なロボットスコープの約束を提供する。
Dexploreは、リポジトリとトラッキングを実行し、MoCapから直接ロボット制御ポリシーを学習する、統一された単一ループ最適化である。
論文 参考訳（メタデータ） (2025-09-11T17:59:07Z) - HOMIE: Humanoid Loco-Manipulation with Isomorphic Exoskeleton Cockpit [52.12750762494588]
本稿では,半自律遠隔操作システムHOMIEを紹介する。
ペダルにマッピングされた身体制御のための強化学習ポリシー、腕制御のための異形外骨格アーム、手操作のためのモーションセンシンググローブを組み合わせている。
このシステムは完全なオープンソースであり、デモとコードはhttps://homietele.org/.com/で見ることができる。
論文 参考訳（メタデータ） (2025-02-18T16:33:38Z) - Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。
本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。
この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
論文 参考訳（メタデータ） (2024-01-30T10:48:43Z)
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。