論文の概要: LUCID: Latent-Skill Unified Control via Imagined Dynamics for Long-Horizon Humanoid Loco-Manipulation
- arxiv url: http://arxiv.org/abs/2608.07746v1
- Date: Fri, 07 Aug 2026 20:26:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.493866
- Title: LUCID: Latent-Skill Unified Control via Imagined Dynamics for Long-Horizon Humanoid Loco-Manipulation
- Title（参考訳）: LUCID:長軸ヒューマノイドロコマニピュレーションのためのシミュレーションダイナミクスによる潜在スキル統一制御
- Abstract要約: ロングホライゾン・ヒューマノイド・ロコ・マニピュレーションは、多彩な全身スキルと信頼性の高い高い意思決定を必要とする。
既存の手法はしばしば、スクリプト化されたプランナー、有限状態マシン、タスク固有のモデルフリーポリシーと事前訓練されたスキルを協調する。
階層型モデルに基づく強化学習フレームワークである textbfLUCID を提案する。
- 参考スコア（独自算出の注目度）: 16.259708213720383
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-horizon humanoid loco-manipulation requires composing versatile whole-body skills and reliable high-level decision making. Existing methods often coordinate pretrained skills with scripted planners, finite-state machines or task-specific model-free policies, restricting their ability to handle complex task sequences. To address this limitation, we propose \textbf{LUCID}, a hierarchical model-based reinforcement learning framework that plans over reusable skills through imagined rollouts of a learned dynamics model. LUCID first trains a structured latent-conditioned low-level policy via adversarial imitation and then freezes it while jointly learning a high-level policy and macro-dynamics world model. The world model predicts the temporally extended state transitions induced by latent decisions, enabling high-level policy optimization through imagined rollouts. We evaluate our framework across various simulated multi-object rearrangement scenarios. Experimental results show that LUCID improves the full-task success and partial-completion rates compared to prior baseline methods, demonstrating its effectiveness in complex sequential loco-manipulation tasks.
- Abstract（参考訳）: ロングホライゾン・ヒューマノイド・ロコ・マニピュレーションは、多芸な全身スキルと信頼性の高い意思決定を必要とする。
既存の手法は、しばしばスクリプト化されたプランナー、有限状態マシン、タスク固有のモデルフリーポリシーと事前訓練されたスキルを調整し、複雑なタスクシーケンスを扱う能力を制限する。
この制限に対処するために,階層型モデルに基づく強化学習フレームワークである‘textbf{LUCID} を提案する。
LUCIDはまず、敵対的模倣を通じて構造化された潜在条件付き低レベルポリシーを訓練し、その後、高レベルポリシーとマクロ力学の世界モデルを共同で学習しながらそれを凍結する。
世界モデルは、潜在的な決定によって引き起こされる時間的に拡張された状態遷移を予測し、想像されたロールアウトを通じて高いレベルの政策最適化を可能にする。
我々は、様々なシミュレーションされた多対象再構成シナリオにおけるフレームワークの評価を行った。
実験結果から,LUCIDは従来のベースライン法と比較して全タスクの成功率と部分補完率を改善し,複雑な逐次ロコ操作タスクの有効性を示した。
関連論文リスト
- Beyond Flat Policies: Hierarchical Post-Training for Embodied Agents in Robotic Manipulation [34.87301719899886]
視覚言語アクション(VLA)モデルは、事前訓練された視覚言語モデルを活用することで、ロボット操作において顕著な能力を示した。
既存のポストトレーニング手法は、主にVLAモデルをフラットポリシーとして最適化し、タスクの進行を明示的にモデル化し、堅牢な長距離操作を行うのが困難である。
階層型ロボット制御(HiRoC)は,ハイレベルなタスク計画と低レベルなアクション実行を分離する階層型ポストトレーニングフレームワークである。
論文 参考訳（メタデータ） (2026-08-06T13:07:56Z) - Decompose and Reorganize: Planning with Primitives and Visuomotor Policies Learned from Demonstrations [37.34419635595643]
本稿では,ビジュモータポリシーをTAMP対応意思決定システムにシームレスに統合するフレームワークDR-LfDを提案する。
DR-LfDは人間のデモンストレーションを原子スキルに分解し、ビジュモーターポリシーやオブジェクト中心のプリミティブとして再生する。
DR-LfDの複数のステップ、目に見えないセットアップ、物理的制約を含むタスクにおける性能を実証する。
論文 参考訳（メタデータ） (2026-07-28T07:57:09Z) - HIPIF: Hierarchical Planning and Information Folding for Long-Horizon LLM Agent Learning [51.95194664412812]
大規模言語モデル(LLM)は、幅広いタスクにまたがる自律エージェントとして強力な能力を示している。
長期LLMエージェント学習のための階層的計画と情報フォールディング(HIPIF)を提案する。
HIPIFはエージェントをエンドツーエンドにトレーニングし、明示的なサブゴールの周りに長い水平実行を組織すると同時に、完了したサブゴール履歴を折り畳み、長いコンテキスト干渉を減らす。
論文 参考訳（メタデータ） (2026-06-09T07:35:14Z) - Learning Multi-Timescale Abstractions for Hierarchical Combinatorial Planning [21.105233947788104]
シーケンシャルな意思決定のためのモデルベースの階層的フレームワークを提案する。
我々は、コンテキスト対応リソース割り当てをサポートするために、世界モデルと協調して、サブゴール条件の予算政策を学習する。
挑戦的なSSCOベンチマーク全体で、我々の手法は強いベースラインを上回ります。
論文 参考訳（メタデータ） (2026-05-16T16:04:11Z) - PCHC: Enabling Preference Conditioned Humanoid Control via Multi-Objective Reinforcement Learning [50.63196995993855]
多目的強化学習(MORL)を活用してPCHC(Preference-Conditioned Humanoid Control)を実現する新しいフレームワークを提案する。
当社のフレームワークは、単一の嗜好条件のポリシーを多種多様な行動を示すために有効である。
論文 参考訳（メタデータ） (2026-03-25T07:55:37Z) - MetaWorld-X: Hierarchical World Modeling via VLM-Orchestrated Experts for Humanoid Loco-Manipulation [7.721920759084426]
既存の強化学習アプローチは、複数のスキルを得るために単一のモノリシックなポリシーに依存している。
ヒューマノイド制御のための階層的世界モデルフレームワークであるMetaWorld-Xを提案する。
本手法は,複雑な制御問題を専門的なポリシーの集合に分解する。
論文 参考訳（メタデータ） (2026-03-09T16:28:26Z) - Compositional Planning with Jumpy World Models [70.74595987225908]
我々は、事前訓練されたポリシーを構成するエージェントを時間的に拡張したアクションとして研究し、構成員だけでは解決できない複雑なタスクに対する解決を可能にする。
arXiv:2206.08736で導入された幾何学的ポリシー構成フレームワークをモチベーションとして,多段階力学の予測モデルを学習することにより,これらの課題に対処する。
論文 参考訳（メタデータ） (2026-02-23T09:22:21Z) - Hierarchical Reinforcement Learning with Low-Level MPC for Multi-Agent Control [1.5856188608650232]
強化学習(RL)による戦術的意思決定とモデル予測制御(MPC)による低レベル実行を組み合わせた階層的枠組みを提案する。
プレデター・プリーベンチマークでテストしたところ、我々のアプローチは報酬、安全性、一貫性の点でエンドツーエンドとシールドベースのRLベースラインよりも優れています。
論文 参考訳（メタデータ） (2025-09-19T09:27:15Z) - MALMM: Multi-Agent Large Language Models for Zero-Shot Robotics Manipulation [62.854649499866774]
大規模言語モデル(LLM)は、ロボティクスの操作やナビゲーションなど、さまざまな領域にまたがる優れた計画能力を示している。
特殊なLLMエージェント間で高レベル計画および低レベル制御コード生成を分散する新しいマルチエージェントLLMフレームワークを提案する。
長軸タスクを含む9つのRLBenchタスクに対するアプローチを評価し、ゼロショット環境でロボット操作を解く能力を実証した。
論文 参考訳（メタデータ） (2024-11-26T17:53:44Z) - Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement [67.1393112206885]
大規模言語モデル(LLM)は、対話的な意思決定タスクにおいてインテリジェントなエージェントとして期待されている。
本稿では,トークンレベルでのLLMの最適化に適したエントロピー拡張RL法である,エントロピー正規化トークンレベル最適化(ETPO)を導入する。
我々は,データサイエンスコード生成を多段階対話型タスクのシリーズとしてモデル化したシミュレーション環境におけるETPOの有効性を評価する。
論文 参考訳（メタデータ） (2024-02-09T07:45:26Z) - Chain-of-Thought Predictive Control [32.30974063877643]
複雑な低レベル制御のための実証から一般化可能な政策学習について研究する。
準最適デモを利用した新しい階層型模倣学習法を提案する。
論文 参考訳（メタデータ） (2023-04-03T07:59:13Z) - Efficient Learning of High Level Plans from Play [57.29562823883257]
本稿では,移動計画と深いRLを橋渡しするロボット学習のフレームワークであるELF-Pについて紹介する。
ELF-Pは、複数の現実的な操作タスクよりも、関連するベースラインよりもはるかに優れたサンプル効率を有することを示す。
論文 参考訳（メタデータ） (2023-03-16T20:09:47Z)
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。