論文の概要: RoboDreamer: Anticipatory Humanoid Locomotion with Predictive State-Space Models
- arxiv url: http://arxiv.org/abs/2609.07096v2
- Date: Thu, 10 Sep 2026 18:45:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:04.54657
- Title: RoboDreamer: Anticipatory Humanoid Locomotion with Predictive State-Space Models
- Title（参考訳）: RoboDreamer:予測状態空間モデルによる予測的ヒューマノイド移動
- Abstract要約: 次観測一貫性と無作為な連続時間マスキングを組み合わせた2段階教師学習フレームワークであるRoboDreamerを提案する。
IsaacLab、MuJoCo、およびUnitree G1での実験は、観測マスキングと実世界の展開の成功の下で、堅牢なモーショントラッキングを実証している。
- 参考スコア（独自算出の注目度）: 48.15049547445104
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humanoid locomotion requires control policies that remain stable under imperfect sensing while exploiting temporal context for consistent motion. We present RoboDreamer, a two-stage teacher--student framework that combines next-observation consistency with randomized continuous temporal masking. A teacher is first trained on clean observations, and a student is then distilled under masked recent observations, encouraging the policy to infer missing current information from history. At inference, the same masking interface is reused for implicit closed-loop action refinement and optional multi-step action chunking. Mamba is used as the temporal backbone, while matched ablations show that masking/distillation provides a substantial part of the gain and Mamba contributes additional tracking improvements with real-time latency. Experiments in IsaacLab, MuJoCo, and on a Unitree G1 demonstrate robust motion tracking under observation masking and successful real-world deployment.
- Abstract（参考訳）: ヒューマノイド移動は、一貫した動きの時間的文脈を利用して、不完全な感知の下で安定な制御ポリシーを必要とする。
次観測一貫性と無作為な連続時間マスキングを組み合わせた2段階教師学習フレームワークであるRoboDreamerを提案する。
教師はまずクリーンな観察について訓練され、その後学生はマスクされた最近の観察の下で蒸留され、歴史から失われた現在の情報を推測するよう政策を奨励する。
推論では、同じマスキングインタフェースが暗黙のクローズドループアクションリファインメントとオプションのマルチステップアクションチャンキングのために再利用される。
Mambaは一時的なバックボーンとして使用され、マッチしたアブレーションはマスキング/蒸留がゲインのかなりの部分を占め、Mambaはリアルタイムレイテンシによるトラッキングの改善に寄与していることを示している。
IsaacLab、MuJoCo、およびUnitree G1での実験は、観測マスキングと実世界の展開の成功の下で、堅牢なモーショントラッキングを実証している。
関連論文リスト
- MASQ: Mask-Aware Spatiotemporal Quantization for Unsupervised Skeleton Action Segmentation [3.245685960209373]
非トリミング骨格に基づく時間的行動セグメンテーションは、長い教師なし配列における人間の行動を理解するための重要なタスクである。
近年のアプローチは、運動表現から行動境界を発見するために離散量子化に依存することが多い。
本研究では,新しいマスク対応時空間量子化フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-30T16:40:32Z) - FBFM: A Training-Free Asynchronous Feedback Mechanism for Flow-Matching in World-Action Models Execution [50.18922379062543]
フィードバックフローマッチング(Feedback Flow Matching, FBFM)は、アクティブに生成されたチャンク内で再接地を行うトレーニング不要な推論機構である。
トレーニング不要であるため、このメカニズムは予期せぬ事象に対する応答性を改善し、長時間の作業におけるドリフトを抑制する。
我々は,FBFMを第2世代WAMと第2世代WAMの両方で評価した。
論文 参考訳（メタデータ） (2026-07-31T10:11:09Z) - Learning to See While Learning to Act: Diffusion Models for Active Perception in Robot Imitation [13.13689771374717]
本研究では,テスト時に積極的に推論された視点の列に対して,行動予測を条件付ける模倣学習手法であるSeries2Actを提案する。
このポリシーは、オフラインのデモからアクションに固定されたカメラのポーズを使って訓練され、行動の仕方を学びながら、どこを見るべきかを暗黙的に学ぶことができる。
論文 参考訳（メタデータ） (2026-06-22T17:19:57Z) - Spherical Latent Motion Prior for Physics-Based Simulated Humanoid Control [23.295360425494597]
球状ラテント・モーション・プライオリ (SLMP) は, 動作先行学習のための2段階の手法である。
SLMPは情報損失のない細かな動きの詳細を保存し、ランダムサンプリングは意味論的に妥当で安定した振る舞いをもたらす。
SLMPは、異なるヒューマノイドロボット形態を一般化し、単一のシミュレートされたアバターを超えて、その伝達可能性を示す。
論文 参考訳（メタデータ） (2026-03-01T22:00:20Z) - Learning Human Motion with Temporally Conditional Mamba [21.36650634348686]
本研究では,人間の動作生成のための新しいマンバモデルであるテンポラリーコンディショナル・マンバを紹介する。
提案手法は条件情報をMambaブロックの繰り返し力学に統合し,時間的整合性の向上を実現する。
我々のモデルは、最先端アプローチに対する時間的アライメント、動きリアリズム、条件整合性を大幅に改善する。
論文 参考訳（メタデータ） (2025-10-14T14:29:51Z) - Weakly and Self-Supervised Class-Agnostic Motion Prediction for Autonomous Driving [52.79390062794558]
我々は,LiDAR点雲からの弱・自己監督型クラス非依存動作予測について検討した。
動作アノテーションを完全にあるいは部分的に注釈付けした(1%, 0.1%)フォアグラウンド/バックグラウンドマスクに置き換える,弱制御された新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2025-09-16T14:22:45Z) - Masked Motion Predictors are Strong 3D Action Representation Learners [143.9677635274393]
人間の3次元行動認識では、教師付きデータが限られており、トランスフォーマーのような強力なネットワークのモデリング能力を十分に活用することは困難である。
人間の関節において、マスク付き自己成分再構成を行うための一般的な前提に従わず、明示的な文脈運動モデリングが、3次元動作認識のための効果的な特徴表現の学習の成功の鍵となることを示す。
論文 参考訳（メタデータ） (2023-08-14T11:56:39Z) - Teaching Robots to Grasp Like Humans: An Interactive Approach [3.3836709236378746]
本研究は,実証と修正に基づいて,人間から把握する複雑な作業がどのように学習されるかを検討する。
より良いデモを提供するように訓練する代わりに、専門家でないユーザには、最初のデモのダイナミクスをインタラクティブに修正する能力が提供される。
論文 参考訳（メタデータ） (2021-10-09T10:27:50Z) - Multi-level Motion Attention for Human Motion Prediction [132.29963836262394]
本研究は, 関節, 身体部分, フルポーズレベルなど, 異なる種類の注意力の使用について検討した。
我々は,Human3.6M,AMASS,3DPWを用いて,周期的および非周期的両方の行動に対するアプローチの利点を検証した。
論文 参考訳（メタデータ） (2021-06-17T08:08:11Z) - Perpetual Motion: Generating Unbounded Human Motion [61.40259979876424]
我々は、長期的な予測、つまり、人間の動きの長いシーケンスを生成することに焦点を当てる。
本研究では,非決定論的,テキストに変化する,永続的な人間の動きを生成するモデルを提案する。
我々は、これをホワイトノイズガウス過程のKL分岐の重み付き関数を用いて訓練し、潜時シーケンスの時間依存性を許容する。
論文 参考訳（メタデータ） (2020-07-27T21:50:36Z) - History Repeats Itself: Human Motion Prediction via Motion Attention [81.94175022575966]
注意に基づくフィードフォワードネットワークを導入し、人間の動きが自分自身を繰り返す傾向にあるという観察を明示的に活用する。
特に,現在動きのコンテキストと過去の動きのサブシーケンスの類似性を捉えるために,動きの注意を抽出することを提案する。
我々は,Human3.6M,AMASS,3DPWを用いて,周期的および非周期的両方の行動に対するアプローチの利点を実証した。
論文 参考訳（メタデータ） (2020-07-23T02:12:27Z)
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。