論文の概要: Mind the Phase: Effective Rank and Representation Health in Legged Locomotion
- arxiv url: http://arxiv.org/abs/2609.06958v1
- Date: Mon, 07 Sep 2026 02:56:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.341787
- Title: Mind the Phase: Effective Rank and Representation Health in Legged Locomotion
- Title（参考訳）: 段階の心:足の移動における効果的なランクと表現の健康
- Abstract要約: 我々はジャコビアン政策の効果的なランクを通して移動政策を研究する。
標準的なアーキテクチャの選択は、スタンスよりもスイングに有効なランクの約2つの次元を割り当てていることが分かりました。
実際には、これはシミュレーションから物理スポットに保持される約3倍低いジッタとなる。
- 参考スコア（独自算出の注目度）: 0.7270112855088836
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reinforcement learning has become the leading paradigm in legged locomotion, enabling complex behaviors from backflips to parkour through massively parallel simulation. Under PPO's non-stationarity, shallow networks remain the de facto architecture, supported by carefully staged curricula and environments, yet the representations these policies learn stay poorly understood, leaving no training-time signal of how they will behave on hardware. In this work, we empirically study locomotion policies through the effective rank of the policy Jacobian and show that conditioning rank on the gait phase exposes architectural structure that global rank averages away. In particular, we find that standard architectural choices, namely layer normalization and residual connections, allocate roughly two more dimensions of effective rank to swing than to stance, which is fully absent in vanilla MLPs. Building on this, we propose a simple recipe that turns these representational signatures into smoother, more reliable sim-to-real transfer. In practice, this results in roughly 3x lower joint jitter that holds from simulation onto a physical Spot, suggesting that representation health is an effective training-time lens to track sim-to-real smoothness.
- Abstract（参考訳）: 強化学習は足の移動において主要なパラダイムとなり、バックフリップからパルクールまでの複雑な挙動を超並列シミュレーションによって実現している。
PPOの非定常性の下では、浅いネットワークは、注意深く設定されたカリキュラムと環境によってサポートされた事実上のアーキテクチャのままである。
本研究では,ロコモーション政策をヤコビアン政策の効果的なランクを通じて実証的に研究し,歩行段階における条件付けのランクが,グローバルなランクが平均的に離れているアーキテクチャ構造を明らかにすることを示す。
特に,標準設計選択,すなわち層正規化と残差接続は,バニラMLPにおいて完全に欠落しているスタンスよりも,ほぼ2次元の効果的な階調を揺動に割り当てていることがわかった。
これに基づいて、これらの表現シグネチャをスムーズで信頼性の高いsim-to-real転送に変換する簡単なレシピを提案する。
実際には、この結果は、シミュレーションから物理スポットに保持する約3倍の低い関節ジッタとなり、表象の健康は、シム・トゥ・リアルの滑らかさを追跡するための効果的な訓練時間レンズであることが示唆されている。
関連論文リスト
- Zero-Shot Sim-to-Real Contact-Rich Assembly via Proprioception-Anchored Cross-Modal Pretraining [9.415285027294221]
PACE (Proprioception-Anchored Cross-Modal space) は, 主受容状態遷移を予測することで, 時間的視覚およびF/T表現を監督する。
4つの接触に富んだ組立作業の中で、PACEは平均的な実世界の成功率93.3%に達し、2.7ポイントのsim-to-realドロップしか達成していない。
論文 参考訳（メタデータ） (2026-09-07T14:20:22Z) - Beyond Binary: Sim-to-Real Dexterous Manipulation with Physics-Grounded Contact Representation [51.463992799813816]
コンタクトリッチな操作における主要なボトルネックは、現実世界のデータ収集の難しさである。
物理原理に基づく効果的な触覚表現であるCenter-of-Pressureを紹介する。
我々は2つのブラインドで困難なコンタクトリッチな操作タスクについてCoPを評価する。
論文 参考訳（メタデータ） (2026-05-27T17:59:02Z) - Plan in Sandbox, Navigate in Open Worlds: Learning Physics-Grounded Abstracted Experience for Embodied Navigation [63.11032720821731]
textitSAGEは、エージェントがフォトリアリスティックなシミュレーションではなく、物理基底のセマンティック抽象化内で学習することを可能にするフレームワークである。
textitSAGEは、A-EQA上で53.21% LLM-Match Success Rateを達成することで、プランナー支援の実施ナビゲーションを大幅に改善することを示した。
論文 参考訳（メタデータ） (2026-05-11T07:34:30Z) - Beyond Self-Play: Hierarchical Reasoning for Continuous Motion in Closed-Loop Traffic Simulation [8.157621070273736]
本稿では,ハイレベルなマルチエージェント相互作用推論と低レベルな連続軌道実現を組み合わせた階層型アーキテクチャを提案する。
SUMOをベースとした都市ネットワーク上での実験により,提案手法は自己再生や受動的模倣のベースラインと比較して,スムーズな制御と安全性を実現することが示された。
論文 参考訳（メタデータ） (2026-05-09T20:31:34Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - SLowRL: Safe Low-Rank Adaptation Reinforcement Learning for Locomotion [16.763723249971793]
SLowRLはローランド適応(LoRA)とリカバリポリシによるトレーニング時間安全対策を組み合わせたフレームワークである。
実験結果から,本手法は微調整時間とほぼゼロの安全違反を4,6.5%削減できることがわかった。
論文 参考訳（メタデータ） (2026-03-17T19:26:48Z) - Universal Pose Pretraining for Generalizable Vision-Language-Action Policies [83.39008378156647]
既存のVision-Language-Action(VLA)モデルは、しばしば機能崩壊と訓練効率の低下に悩まされる。
本稿では,VLAトレーニングを3次元空間前駆体抽出のための事前学習フェーズに分離する,分離されたパラダイムであるPose-VLAを提案する。
我々のフレームワークは2段階の事前学習パイプラインに従い、ポーズと動きのアライメントによる基本的な空間接地を確立する。
論文 参考訳（メタデータ） (2026-02-23T11:00:08Z) - Beyond Imitation: Reinforcement Learning-Based Sim-Real Co-Training for VLA Models [35.41613201907666]
本稿では,UnderlinetextitRLベースのsim-real UnderlinetextitCo-training modified(RL-Co)フレームワークを提案する。
RLコトレーニングは、目に見えないタスクのバリエーションに強く一般化し、実世界のデータ効率を大幅に改善する。
論文 参考訳（メタデータ） (2026-02-13T05:15:50Z) - Opening the Sim-to-Real Door for Humanoid Pixel-to-Action Policy Transfer [59.02729900344616]
GPUを加速したフォトリアリスティックなシミュレーションは、ロボット学習のためのスケーラブルなデータ生成パスを開いた。
視覚に基づくヒューマノイドロコ操作のための教師-学生-ブートストラップ学習フレームワークを開発した。
これは、純粋なRGB知覚を用いた多様な調音ロコ操作が可能な初めてのヒューマノイド・シム・トゥ・リアル政策である。
論文 参考訳（メタデータ） (2025-11-30T20:07:13Z) - Architecture Is All You Need: Diversity-Enabled Sweet Spots for Robust Humanoid Locomotion [20.41490560492412]
単純な層状制御アーキテクチャ(LCA)はモノリシックなエンド・ツー・エンドの設計よりもはるかに堅牢な性能を実現する。
結果として、ネットワークスケールや複雑性ではなく、時間スケールのアーキテクチャ的な分離が、ロバストな認識条件付きロコモーションの鍵となることが強調された。
論文 参考訳（メタデータ） (2025-10-16T17:56:08Z) - SimVPv2: Towards Simple yet Powerful Spatiotemporal Predictive Learning [61.419914155985886]
空間的・時間的モデリングにおけるUnetアーキテクチャの必要性を解消する合理化モデルであるSimVPv2を提案する。
SimVPv2はモデルアーキテクチャを単純化するだけでなく、性能と計算効率も改善する。
標準のMoving MNISTベンチマークでは、SimVPv2は、FLOPが少なく、トレーニング時間の半分、推論効率が60%速く、SimVPよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2022-11-22T08:01:33Z) - TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。
特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。
TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
論文 参考訳（メタデータ） (2021-01-17T00:29:30Z)
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。