論文の概要: Behavior Foundations for Quadruped Robots: ABot-C0 Technical Report

• arxiv url: http://arxiv.org/abs/2607.07370v1
• Date: Wed, 08 Jul 2026 13:04:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.386216
• Title: Behavior Foundations for Quadruped Robots: ABot-C0 Technical Report
• Title（参考訳）: 四足歩行ロボットの行動基礎:ABot-C0技術報告
• Abstract要約: ABot-C0は四足歩行ロボットのための一般的なモーションコントロールシステムである。 16,074個の物理的に実現可能なモーションクリップを様々なモーション学習要求のためのデータ基盤として作成する。 フローマッチングの一般的なポリシーをトレーニングし、初めて4倍のモーショントラッキングスケーリング法を実証する。
• 参考スコア（独自算出の注目度）: 25.95326523204132
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In embodied intelligence systems, the motion controller serves as the critical bridge between semantic reasoning and physical execution. Humanoid control has progressed rapidly through large-scale human motion-capture data and motion-tracking paradigm. However, producing quadruped robots motion corpora with scalability and physical feasibility faces more fundamental obstacles: animal motion data is scarce, and cross-embodiment retargeting remains fragile. We present ABot-C0, a generalist motion-control system for quadruped robots that establishes three complementary behavior foundations: a scalable multi-source motion-data pipeline, robust policy learning across motion tracking, locomotion, and scene interaction, and a unified deployment stack for reliable real-world operation. Fundamentally, we construct a data pyramid through conditional video-generation synthesis, annotated motion capture, teleoperation and human design, producing 16,074 physically feasible motion clips as the data foundation for various motion learning demands. We then train a Flow-Matching generalist policy that demonstrates for the first time quadruped motion tracking scaling law that its performance improves consistently as training scales up, with zero-shot capability to track unseen motions. Then, we push a step further for robust all-terrain traversal locomotion by adopting a three-stage privileged-to-perceptive framework with temporal LiDAR memory and terrain-predictive supervision. Collectively, these components form a motion generalist that coordinates multi-policy execution, smooth behavior transitions, energy-efficient control, and safety mechanisms for real-world deployment. Extensive experiments on urban-terrain autonomous navigation and companion-style multimodal interaction demonstrate that quadruped robots move beyond single-function demos toward product-level behavioral intelligence.
• Abstract（参考訳）: 具体的インテリジェンスシステムでは、モーションコントローラは意味論的推論と物理的実行の間の重要なブリッジとして機能する。 ヒューマノイド制御は、大規模人間のモーションキャプチャーデータとモーショントラッキングパラダイムを通じて急速に進歩している。 しかし、スケーラビリティと物理的実現性を備えた四足歩行コーパスの生成は、動物の動きデータが乏しく、クロス・エボディメント・リターゲティングは脆弱なままである、という、より根本的な障害に直面している。 ABot-C0は、スケーラブルなマルチソースモーションデータパイプライン、モーショントラッキング、ロコモーション、シーンインタラクションにわたる堅牢なポリシー学習、信頼性の高い実世界の操作のための統合されたデプロイメントスタックの3つの相補的な動作基盤を確立する、四足ロボットのための汎用的なモーションコントロールシステムである。 基本は、条件付きビデオ生成合成、注釈付きモーションキャプチャ、遠隔操作、ヒューマンデザインによりデータピラミッドを構築し、様々なモーション学習要求のためのデータ基盤として、物理的に実現可能な16,074個のモーションクリップを生成する。 次に、フローマッチングのジェネラリストポリシーをトレーニングし、トレーニングがスケールアップするにつれて、そのパフォーマンスが一貫して向上し、目に見えない動きを追跡するゼロショット機能を持つように、初めて四倍運動追跡法を実証する。 そして、時相LiDARメモリと地形予測監視を備えた3段階の特権的知覚的枠組みを採用することにより、ロバストな全地球横断移動をさらに推し進める。 これらのコンポーネントは、多面的な実行、スムーズな行動遷移、エネルギー効率の制御、実際の展開のための安全メカニズムを協調するモーションジェネラリストを形成する。 都市と地形の自律ナビゲーションと協調型マルチモーダルインタラクションに関する大規模な実験は、四足歩行ロボットが単一機能デモを越えて製品レベルの行動知性へと移行することを実証している。

関連論文リスト

• Two2Four: Generative Quadruped Puppeteering from Human Motion [20.914466901797574]
  本稿では,可塑性かつ制御可能な四重奏運動を生成する,人対四重奏人形の自動組立フレームワークを提案する。 提案手法は,4つの運動データに基づいて純粋に訓練された2段階生成拡散モデルを用いる。 実験の結果,既存手法と比較して運動リアリズムと制御性が改善された。
  論文  参考訳（メタデータ） (2026-07-28T13:23:10Z)
• Asymmetric physics enables efficient learning in quadrupedal robot swarms [26.125719459588876]
  四足歩行ロボットの大群において、非対称物理学は視覚に基づく分散制御を効果的にエンド・ツー・エンドで学習できることを示す。 訓練中、四足歩行は共有環境で相互作用し、シミュレーターはリアルな動きと接触ダイナミクスを生成する。 この分離により、最大512人の四足歩行者が障害物の多い環境で調整されたナビゲーションポリシーを学ぶことができる。
  論文  参考訳（メタデータ） (2026-06-22T10:58:43Z)
• 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)
• QuadFM: Foundational Text-Driven Quadruped Motion Dataset for Generation and Control [18.78068897227934]
  テキスト・トゥ・モーション・ジェネラル・モーション・ジェネラル・モーション・コントロールのための大規模な超高忠実度データセットQuadFMを紹介した。 QuadFMには、ロコモーション、インタラクティブ、感情表現行動にまたがる11,784のキュレートされたモーションクリップが含まれている。 汎用モーションコントローラとテキスト・ツー・モーション・ジェネレータを共同でトレーニングする統合フレームワークであるGen2Control RLを提案する。
  論文  参考訳（メタデータ） (2026-03-25T07:30:25Z)
• PhyGile: Physics-Prefix Guided Motion Generation for Agile General Humanoid Motion Tracking [23.96905373874686]
  本稿では,ロボットネイティブ動作生成と推論のループを閉じる統合フレームワークであるPhyGileを紹介する。 我々は,GMTコントローラをカリキュラムベースのMix-of-expertsスキームでトレーニングし,その後,大規模ロボット動作に対するロバスト性を改善するためにラベル付き動作データを用いた後学習を行った。 PhyGileはテキスト駆動型ヒューマノイドコントロールのフロンティアを拡張し、アジャイルの安定したトラッキングを可能にする。
  論文  参考訳（メタデータ） (2026-03-13T06:43:44Z)
• Learning to Assist: Physics-Grounded Human-Human Control via Multi-Agent Reinforcement Learning [29.898955971414154]
  多エージェント強化学習問題として, 密接に相互作用し, 力量変化する人間の動作系列の模倣を定式化する。 AssistMimicは、確立されたベンチマーク上でのアシストインタラクション動作の追跡に成功できる最初の方法であることを示す。
  論文  参考訳（メタデータ） (2026-03-11T22:25:44Z)
• OmniTrack: General Motion Tracking via Physics-Consistent Reference [54.256312586493415]
  OmniTrackは、一般的なモーショントラッキングから物理的実現可能性を明確に分離する一般的なトラッキングフレームワークである。 実験により、OmniTrackは追跡精度を向上し、目に見えない動きに対して強力な一般化を示すことが示された。 実世界のテストでは、OmniTrackは、フリップやカートホイールのような複雑なアクロバティックな動きを含む、1時間の長さ、一貫性、安定したトラッキングを実現している。
  論文  参考訳（メタデータ） (2026-02-27T09:12:15Z)
• MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
  MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。 現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
  論文  参考訳（メタデータ） (2026-02-17T17:09:45Z)
• TextOp: Real-time Interactive Text-Driven Humanoid Robot Motion Generation and Control [62.93681680333618]
  TextOpはリアルタイムテキスト駆動型ヒューマノイドモーション生成および制御フレームワークである。 ストリーミング言語コマンドと実行中のオンザフライ命令修正をサポートする。 対話型モーション生成を堅牢な全身制御でブリッジすることで、TextOpは自由形式のインテント表現をアンロックする。
  論文  参考訳（メタデータ） (2026-02-07T08:42:11Z)
• SONIC: Supersizing Motion Tracking for Natural Humanoid Whole-Body Control [85.91101551600978]
  モデルキャパシティ,データ,計算のスケールアップにより,自然かつ堅牢な体の動きを生成できる汎用的なヒューマノイドコントローラが得られることを示す。 我々は、ネットワークサイズ、データセットボリューム、計算の3つの軸に沿ってスケーリングすることで、モーショントラッキングのための基礎モデルを構築します。 本研究では,(1)動作追跡を下流タスク実行にブリッジし,自然かつインタラクティブな制御を可能にするリアルタイムユニバーサルキネマティックプランナ,(2)様々な動作入力インタフェースをサポートする統一トークン空間の2つのメカニズムにより,モデルの実用性を示す。
  論文  参考訳（メタデータ） (2025-11-11T04:37:40Z)
• 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)
• Sitcom-Crafter: A Plot-Driven Human Motion Generation System in 3D Scenes [90.39860012099393]
  Sitcom-Crafterは3D空間における人間のモーション生成システムである。 機能生成モジュールの中心は、我々の新しい3Dシーン対応ヒューマン・ヒューマン・インタラクションモジュールである。 拡張モジュールは、コマンド生成のためのプロット理解、異なるモーションタイプのシームレスな統合のためのモーション同期を含む。
  論文  参考訳（メタデータ） (2024-10-14T17:56:19Z)
• 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)

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。