論文の概要: ViBe: Visual Behavior Adaptation for Perceptive Humanoid Whole-Body Control
- arxiv url: http://arxiv.org/abs/2609.09918v1
- Date: Wed, 09 Sep 2026 09:11:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.963326
- Title: ViBe: Visual Behavior Adaptation for Perceptive Humanoid Whole-Body Control
- Title（参考訳）: ViBe:知覚型ヒューマノイド全体制御のための視覚行動適応
- Abstract要約: ViBeは、モーショントラッカーを知覚的な制御タスクに適応するためのフレームワークである。
本研究は, パーセプティブ・ウォーキング, パーセプティブ・ウォーキング, ポーズ・キューブ, オームニ・オブジェクト・ロコ・マニピュレーション, ドッジボールを横断するゼロショット・シム・トゥ・リアルな移動を示す。
- 参考スコア（独自算出の注目度）: 11.96687692057234
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Motion tracking provides a scalable recipe for humanoid whole-body control. By design, the resulting trackers lack exteroceptive feedback hence reacting to the environment remains the responsibility of a higher-level planner. Existing perceptive controllers train geometry-only encoders from scratch, trading semantics for sim-to-real ease, and typically rely on teacher-student distillation for a task of interest. We present ViBe, a post-training framework for adapting motion trackers to perceptive control tasks. We leverage pre-trained visual encoders with a multi-query extractor module to learn task-relevant perceptive feedback. This feedback is grafted onto the tracker's input via low-rank adapters, enabling parameter-efficient fine-tuning. Given a task reward and a reference dataset, this modular controller can be adapted directly via policy optimization. Across four tasks, ViBe shows zero-shot sim-to-real transfer spanning perceptive walking on curbs and parkour, Repose Cube, omni-object loco-manipulation, and dodgeball, with visually robust performance across outdoor, low-light, and RGB distractor conditions. Finally, we solve a goal-oriented Repose Cube task with a deliberately simple planner, demonstrating the efficacy of perceptive controllers, adapted by our approach.
- Abstract（参考訳）: モーショントラッキングは、ヒューマノイド全体のコントロールにスケーラブルなレシピを提供する。
設計上、結果として生じるトラッカーには外部からのフィードバックが欠けているため、環境に反応するトラッカーは高レベルのプランナーの責任を負う。
既存の知覚的コントローラは、幾何学のみのエンコーダをゼロから訓練し、シミュレートから現実的容易性のためのセマンティクスを交換する。
動作トラッカーを知覚制御タスクに適応させるための後学習フレームワークであるViBeを提案する。
我々は,タスク関連知覚フィードバックを学習するために,事前学習した視覚エンコーダとマルチクエリ抽出モジュールを利用する。
このフィードバックはローランクアダプタを介してトラッカーの入力に移植され、パラメータ効率の良い微調整を可能にする。
タスク報酬と参照データセットが与えられたら、このモジュラーコントローラはポリシー最適化によって直接適応することができる。
4つのタスクで、ViBeは、縁石やパーキング、レポーズキューブ、オムニオブジェクトのロコ操作、ドッジボールにまたがるゼロショットのシム・トゥ・リアルな移動を、屋外、低照度、RGBのイントラクタ条件で視覚的に堅牢なパフォーマンスで表示する。
最後に、目的指向のRepose Cubeタスクを意図的にシンプルなプランナーで解決し、我々のアプローチに適応した知覚的コントローラの有効性を実証する。
関連論文リスト
- CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。
CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。
そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
論文 参考訳（メタデータ） (2025-12-16T18:56:04Z) - KungfuBot: Physics-Based Humanoid Whole-Body Control for Learning Highly-Dynamic Skills [58.73043119128804]
そこで本研究では,Kungfuやダンスなどの人体動作を高度に制御することを目的とした,物理学に基づくヒューマノイド制御フレームワークを提案する。
動作処理では,運動の抽出,フィルタリング,修正,再ターゲティングを行うパイプラインを設計し,物理的制約の遵守を確実にする。
動作模倣では、二段階最適化問題を定式化し、追従精度の許容度を動的に調整する。
実験では,高ダイナミックな動作のセットを模倣するために全身制御ポリシーを訓練する。
論文 参考訳（メタデータ） (2025-06-15T13:58:53Z) - Efficient Motion Prompt Learning for Robust Visual Tracking [58.59714916705317]
本稿では,軽量かつプラグアンドプレイなモーションプロンプトトラッキング手法を提案する。
既存の視覚ベースのトラッカーと簡単に統合して、共同トラッキングフレームワークを構築することができる。
7つのトラッキングベンチマークの実験により、提案したモーションモジュールは、視覚ベースのトラッカーのロバスト性を大幅に改善することが示された。
論文 参考訳（メタデータ） (2025-05-22T07:22:58Z) - Learning Occlusion-Robust Vision Transformers for Real-Time UAV Tracking [11.146155422858824]
Vision Transformer (ViT) バックボーンを用いたシングルストリームアーキテクチャは、リアルタイムUAVトラッキングに大きな可能性を示している。
UAV追跡のためのViTに基づいて,Occlusion-Robust Representation (ORR) の学習を提案する。
また,よりコンパクトなトラッカーを作成するために,適応的特徴量に基づく知識蒸留法(AFKD)を提案する。
論文 参考訳（メタデータ） (2025-04-12T14:06:50Z) - V-HOP: Visuo-Haptic 6D Object Pose Tracking [18.25135101142697]
人間は自然に視覚と触覚を統合し、操作中に頑健な物体の知覚を行う。
事前のポーズ推定研究は視覚的・触覚的・触覚的フィードバックを組み合わせることを試みている。
本稿では,新しいビジュオハプティックトランスフォーマーを用いたオブジェクトポーズトラッカーを提案する。
論文 参考訳（メタデータ） (2025-02-24T18:59:50Z) - Watch Less, Feel More: Sim-to-Real RL for Generalizable Articulated Object Manipulation via Motion Adaptation and Impedance Control [7.986465090160508]
可変インピーダンス制御と動き適応を備えた新しいRLパイプラインを提案する。
我々のパイプラインは、ゼロショットsim-to-real転送時の滑らかで器用な動きに焦点を当てている。
我々の知る限りでは、われわれの政策は現実世界で84%の成功率を最初に報告した。
論文 参考訳（メタデータ） (2025-02-20T11:18:35Z) - DexTrack: Towards Generalizable Neural Tracking Control for Dexterous Manipulation from Human References [18.947295547196774]
我々は,人間の参照からのデクスタス操作のための汎用型ニューラルトラッキングコントローラを開発する上での課題に対処する。
本稿では,ロボット追跡実験を大規模に成功させる手法を提案する。
本手法は,トップベースラインに比べて10%以上の成功率向上を実現している。
論文 参考訳（メタデータ） (2025-02-13T18:59:13Z) - Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。
DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。
また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
論文 参考訳（メタデータ） (2024-12-01T09:37:46Z) - An Effective Motion-Centric Paradigm for 3D Single Object Tracking in
Point Clouds [50.19288542498838]
LiDARポイントクラウド(LiDAR SOT)における3Dシングルオブジェクトトラッキングは、自動運転において重要な役割を果たす。
現在のアプローチはすべて、外観マッチングに基づくシームズパラダイムに従っている。
我々は新たな視点からLiDAR SOTを扱うための動き中心のパラダイムを導入する。
論文 参考訳（メタデータ） (2023-03-21T17:28:44Z) - Propagate And Calibrate: Real-time Passive Non-line-of-sight Tracking [84.38335117043907]
本研究では,リレー壁のみを観察することで,見えない部屋を歩いている人を追跡する純粋受動的手法を提案する。
本研究では,リレー壁の映像の非知覚的変化を発掘するため,時間的局所的な動きの伝達に欠かせない特徴として差分フレームを導入する。
提案手法を評価するため,最初の動的受動NLOS追跡データセットであるNLOS-Trackを構築し,公開する。
論文 参考訳（メタデータ） (2023-03-21T12:18:57Z) - Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual
Observations [75.60524561611008]
この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。
まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。
本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
論文 参考訳（メタデータ） (2021-09-28T20:25:10Z)
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。