論文の概要: DWMP: Leveraging Dual World Models for Humanoid Obstacle Traversal

• arxiv url: http://arxiv.org/abs/2609.12347v1
• Date: Fri, 11 Sep 2026 02:13:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.584696
• Title: DWMP: Leveraging Dual World Models for Humanoid Obstacle Traversal
• Title（参考訳）: DWMP:Humanoid Obstacle Traversalのためのデュアルワールドモデル
• Abstract要約: 本研究では,ヒューマノイド障害物トラバーサルに対して,アクターに相補的な世界モデル表現を提供するフレームワークを提案する。 クープマンをベースとしたダイナミクスの世界モデルは、その時間的進化がほぼ線形である潜在空間に、固有受容的な観測を持ち上げる。 RSSMベースのビジュアルワールドモデルは、障害物に関連した幾何学を保存しながら、自我中心の深度観測をコンパクトな状態に圧縮する。 シミュレーションおよびUnitree G1ヒューマノイドロボットを用いた実験により、DWMPはベースラインよりも障害物性能を改善し、実世界の展開をサポートする。
• 参考スコア（独自算出の注目度）: 6.144157194223047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid robots must traverse cluttered obstacle fields using onboard proprioceptive and visual observations, yet existing methods usually process multimodal observations without explicitly considering their different characteristics: proprioceptive observations are low-dimensional but governed by highly nonlinear robot dynamics, while egocentric visual observations are high-dimensional, noisy, and redundant. We propose DWMP (Dual World Model Policy), a framework that provides the actor with separate but complementary world-model representations for humanoid obstacle traversal. A Koopman-based dynamics world model lifts proprioceptive observations into a latent space where their temporal evolution is approximately linear, making the dynamics features easier for the actor to learn from. An RSSM-based visual world model compresses egocentric depth observations into compact stochastic states while preserving obstacle-related geometry. The student policy receives the fused latent representation for action generation, combining linearized proprioceptive dynamics with compressed visual perception. Experiments in simulation and on a Unitree G1 humanoid robot show that DWMP improves obstacle traversal performance over baselines and supports real-world deployment under randomized obstacle layouts.
• Abstract（参考訳）: ヒューマノイドロボットは、搭載された固有視と視覚的観察を用いて、散在する障害物場を横切る必要があるが、既存の方法は、通常、異なる特徴を明示的に考慮せずに、マルチモーダルな観察を処理しなければならない: 固有視は低次元であるが、高非線形のロボット力学によって制御されるが、自我中心の視覚観察は高次元でノイズがあり、冗長である。 DWMP(Dual World Model Policy, DWMP)は、人型障害物を横断する上で、アクターに異なるが相補的な世界モデル表現を提供するフレームワークである。 クープマンをベースとしたダイナミックスの世界モデルは、時間的進化が概ね線形である潜在空間に、受容的な観察を持ち上げることで、アクターが学習しやすくする。 RSSMに基づくビジュアルワールドモデルは、障害物に関連した幾何学を保存しながら、自我中心の深度観測をコンパクトな確率状態に圧縮する。 学生ポリシーは、線形化された受容力学と圧縮された視覚知覚を組み合わせた、アクション生成のための融合潜在表現を受信する。 シミュレーションおよびUnitree G1ヒューマノイドロボットを用いた実験により、DWMPはベースラインよりも障害物トラバース性能を向上し、ランダムな障害物配置下での現実世界の展開をサポートすることが示された。

関連論文リスト

• Sensorimotor World Models: Perception for Action via Inverse Dynamics [59.121736411156384]
  Inverse dynamics regularization で訓練されたエンド・ツー・エンドのセンサモレータ・ワールドモデルを導入する。 表現の崩壊を防ぎ、アクション整列表現を誘導する。 コンパクトで解釈可能な潜在空間を学習し、単純な2Dおよび3D制御タスク間の競合計画性能を実現する。
  論文  参考訳（メタデータ） (2026-06-18T11:25:16Z)
• AnchorWorld: Embodied Egocentric World Simulation with View-based Evolution Customization [79.26935895370191]
  AnchorWorldは、対話の整合性を強化することで、エゴセントリックなシミュレーションを促進するフレームワークである。 補助訓練監督は、エージェントのファーストパーソンセンタリウムから切り離された視点を取り入れている。 我々は、自己進化する世界をカスタマイズするためのシンプルで効果的なメカニズムを提案する。
  論文  参考訳（メタデータ） (2026-06-05T14:43:13Z)
• MetaWorld: Scaling Multi-Agent Video World Model from Single-view Video Data [125.43597497646444]
  MetaWorldは、マルチエージェントビデオワールドモデルをシングルビュービデオから直接オープンドメイン環境にスケールする新しいフレームワークである。 クロスビューの一貫性とアイデンティティの整合性を向上し、マルチエージェントビデオワールドモデリングのための高度にスケーラブルで物理駆動のパラダイムを確立する。
  論文  参考訳（メタデータ） (2026-06-01T18:20:20Z)
• UniT: Toward a Unified Physical Language for Human-to-Humanoid Policy Learning and World Modeling [41.44664297185315]
  人-人-人-人間移動のための統一物理言語を構築するためのフレームワークであるUniTを紹介する。 アクションは視覚を予測し、キネマティクスを物理的な結果に固定し、視覚はアクションを再構成し、無関係な視覚的共同創設者をフィルタリングする。
  論文  参考訳（メタデータ） (2026-04-21T17:57:27Z)
• Cortical Policy: A Dual-Stream View Transformer for Robotic Manipulation [57.28703268044067]
  ロボット操作のための新しいデュアルストリームビュー変換器であるCortical Policyを提案する。 われわれのフレームワークは、ロボット操作の新しい視点を提供し、視覚に基づくロボット制御の幅広い応用の可能性を秘めている。
  論文  参考訳（メタデータ） (2026-03-22T04:18:54Z)
• Dynamic Avatar-Scene Rendering from Human-centric Context [75.95641456716373]
  分離されたモデルと最適化されたモデルをブリッジするbf分離マップ(StM)戦略を提案する。 StMは、視覚的品質とレンダリングの精度の両方において、既存の最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-11-13T17:39:06Z)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)

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。