論文の概要: GPC: Large-Scale Generative Pretraining for Transferable Motor Control

• arxiv url: http://arxiv.org/abs/2606.29148v1
• Date: Sun, 28 Jun 2026 02:05:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.803148
• Title: GPC: Large-Scale Generative Pretraining for Transferable Motor Control
• Title（参考訳）: GPC:トランスファタブルモータ制御のための大規模生成準備
• Abstract要約: 本稿では、トークン化と次世代モデリングを活用して再利用可能な生成コントローラを作成するジェネレーティブ事前学習コントローラを紹介する。 我々のフレームワークは、エンドツーエンドの強化学習を利用して「運動語彙」を協調的に最適化する 生成制御器は、転倒後の摂動に対する応答挙動や回復挙動など、様々な自然発生挙動を示す。
• 参考スコア（独自算出の注目度）: 13.694660962373703
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developing controllers capable of completing a wide range of tasks in a natural and life-like manner is a key challenge in enabling practical applications of physics-based character animation. In this work, we introduce Generative Pretrained Controllers (GPC), which leverage tokenization and next-token modeling to create general-purpose, reusable generative controllers from large-scale motion datasets. Our framework utilizes end-to-end reinforcement learning to jointly optimize a "motion vocabulary", modeled via Finite Scalar Quantization (FSQ), along with a corresponding control policy that can map the discrete codes to physics-based controls. After the "codebook" has been learned, the underlying structure of this large vocabulary is modeled by training a GPT-style autoregressive transformer, leading to a powerful generative controller that generates controls for a physically simulated character by performing next-token prediction. Once the generative controller has been trained, we propose a suite of adaptation techniques for finetuning the controller for new downstream tasks. Our proposed framework greatly simplifies the training process compared to previous tokenized methods, and achieves a 99.98% success rate in reproducing a vast corpus of motion clips. The generative controller exhibits a variety of natural emergent behaviors, such as responsive behaviors to perturbations and recovery behaviors after falling. This results in highly robust general purpose controllers for a variety of downstream applications.
• Abstract（参考訳）: 自然界や生活界のような方法で幅広いタスクをこなせるコントローラを開発することは、物理ベースのキャラクターアニメーションの実用的な応用を実現する上で重要な課題である。 本稿では,トークン化と次世代モデリングを活用して,大規模モーションデータセットから汎用的で再利用可能な生成コントローラを作成するジェネレーティブ事前学習コントローラ(GPC)を紹介する。 本フレームワークは,Finite Scalar Quantization (FSQ) をモデルとした「動き語彙」と,離散符号を物理ベース制御にマッピング可能な制御ポリシを協調的に最適化するために,エンドツーエンド強化学習を利用する。 コードブック」が学習された後、この大きな語彙の基盤となる構造は、GPTスタイルの自己回帰変換器を訓練することによってモデル化される。 生成制御器が訓練されると、新しい下流タスクのための制御器を微調整する一連の適応手法を提案する。 提案フレームワークは,従来のトークン化手法と比較してトレーニングプロセスを大幅に単純化し,動画クリップの膨大なコーパスの再生において99.98%の成功率を達成した。 生成制御器は、転倒後の摂動に対する応答挙動や回復挙動など、様々な自然発生挙動を示す。 これにより、様々なダウンストリームアプリケーションに対して、非常に堅牢な汎用コントローラが実現される。

関連論文リスト

• Agentic Visual Generation: From Generative Models to Agentic Control [73.3572965008302]
  ほとんどの既存のシステムでは、コントローラはLLMまたはVLMであり、ビジュアルジェネレーションモデルはツールやエグゼクタとして機能する。 計画の深さ、道具の使用、複数ロールの協調、強化学習は、しばしばエージェント性の証拠として扱われる。 生成プロセスにおいて、コントローラが直接制御できるものに応じてフィールドを整理する。
  論文  参考訳（メタデータ） (2026-09-06T17:59:24Z)
• Heuristic Learning for Active Flow Control Using Coding Agents [2.867517731896504]
  我々は、現代の符号化エージェントを使用して、明示的な実行可能なフィードバック法を直接検索する。 本稿では,エージェントが公開ベンチマークインタフェースを通じてのみ対話しながら,コントローラの実装を反復的に提案し,評価し,修正する制約付き学習プロトコルを提案する。 検出されたコントローラは、コンパクトで解釈可能で直接検査可能なまま、13の環境のうち10の最高のDRLポリシーに適合または優れる。
  論文  参考訳（メタデータ） (2026-07-13T13:47:17Z)
• A Practical Investigation of Spatially-Controlled Image Generation with Transformers [23.373853892284227]
  我々は空間的に制御された生成のための生成パラダイムをまたいだ明確なテイクアウトを提供することを目指している。 拡散型/フロー型および自己回帰型(AR)モデルにまたがって、ImageNet上で実験を行う。 我々は、アダプタベースのアプローチのモチベーションを再解明し、限られた下流データでトレーニングされた場合、それらが"鍛造"を緩和し、生成品質を維持することを実証した。
  論文  参考訳（メタデータ） (2025-07-21T15:33:49Z)
• CAR: Controllable Autoregressive Modeling for Visual Generation [100.33455832783416]
  Controllable AutoRegressive Modeling (CAR)は、条件制御をマルチスケールの潜在変数モデリングに統合する新しいプラグイン・アンド・プレイフレームワークである。 CARは、制御表現を徐々に洗練し、キャプチャし、前訓練されたモデルの各自己回帰ステップに注入して生成プロセスを導く。 提案手法は,様々な条件にまたがって優れた制御性を示し,従来の手法に比べて画質の向上を実現している。
  論文  参考訳（メタデータ） (2024-10-07T00:55:42Z)
• Decision Transformer as a Foundation Model for Partially Observable Continuous Control [5.453548045211778]
  決定変換器(DT)アーキテクチャは、過去の観測、行動、報酬に基づいて最適な行動を予測するために使用される。 DTは、全く新しいタスクに対して驚くべきゼロショットの一般化能力を示す。 これらの知見は、一般的な制御アプリケーションの基本制御系としてのDTの可能性を示している。
  論文  参考訳（メタデータ） (2024-04-03T02:17:34Z)
• Interactive Character Control with Auto-Regressive Motion Diffusion Models [18.727066177880708]
  リアルタイム動作合成のためのA-MDM(Auto-Regressive Motion Diffusion Model)を提案する。 我々の条件拡散モデルは初期ポーズを入力とし、前者のフレームに条件付けられた連続した動きフレームを自動回帰的に生成する。 本稿では,タスク指向サンプリング,インペインティング,階層的強化学習など,対話型制御をA-MDMに組み込む一連の手法を紹介する。
  論文  参考訳（メタデータ） (2023-06-01T07:48:34Z)
• Emergent Agentic Transformer from Chain of Hindsight Experience [96.56164427726203]
  簡単なトランスフォーマーベースモデルが時間差と模倣学習に基づくアプローチの両方と競合することを示す。 単純なトランスフォーマーベースのモデルが時間差と模倣学習ベースのアプローチの両方で競合するのはこれが初めてである。
  論文  参考訳（メタデータ） (2023-05-26T00:43:02Z)
• Perpetual Humanoid Control for Real-time Simulated Avatars [77.05287269685911]
  本稿では,高忠実度動作模倣と耐故障動作を実現する物理に基づくヒューマノイドコントローラを提案する。 コントローラは、外部の安定化力を使わずに1万本のモーションクリップを学習できる。 実時間およびリアルタイムのマルチパーソンアバター使用事例において,映像ベースのポーズ推定器と言語ベースのモーションジェネレータからノイズのあるポーズを模倣するために,制御器の有効性を実証する。
  論文  参考訳（メタデータ） (2023-05-10T20:51:37Z)
• ControlVAE: Model-Based Learning of Generative Controllers for Physics-Based Characters [28.446959320429656]
  可変オートエンコーダ(VAE)に基づく生成動作制御ポリシーを学習するためのモデルベースのフレームワークであるControlVAEを紹介する。 我々のフレームワークは、多種多様な非組織的な動作シーケンスから、リッチで柔軟なスキル表現と、スキル条件付き生成制御ポリシーを学習することができる。 シミュレーション文字のリアルかつインタラクティブな制御を可能にする多種多様なタスクセットを用いた制御VAEの有効性を実証する。
  論文  参考訳（メタデータ） (2022-10-12T10:11:36Z)
• Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots [121.42930679076574]
  シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。 ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。 本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
  論文  参考訳（メタデータ） (2021-03-26T07:14:01Z)
• Multimodal VAE Active Inference Controller [0.0]
  本稿では,産業用アームのアクティブ推論トルク制御装置を提案する。 線形結合型マルチモーダル変分オートエンコーダを用いたマルチモーダル状態表現学習を含む。 結果は、表現力の増加による目標方向到達の追跡と制御の改善を示した。
  論文  参考訳（メタデータ） (2021-03-07T18:00:27Z)
• Learning a Contact-Adaptive Controller for Robust, Efficient Legged Locomotion [95.1825179206694]
  四足歩行ロボットのためのロバストコントローラを合成するフレームワークを提案する。 高レベルコントローラは、環境の変化に応じてプリミティブのセットを選択することを学習する。 確立された制御方法を使用してプリミティブを堅牢に実行する低レベルコントローラ。
  論文  参考訳（メタデータ） (2020-09-21T16:49:26Z)

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。