論文の概要: X-WBC: A Cross-Embodiment Foundation Model for Humanoid Whole-Body Control
- arxiv url: http://arxiv.org/abs/2609.15213v1
- Date: Mon, 14 Sep 2026 08:34:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.189728
- Title: X-WBC: A Cross-Embodiment Foundation Model for Humanoid Whole-Body Control
- Title（参考訳）: X-WBC:ヒューマノイド全体制御のためのクロス・エボディメント・ファンデーション・モデル
- Abstract要約: ヒューマノイド全体のコントロールをスケールするには、大きな人間の運動コーパスと、ロボット本体間で共有されるトレーニング経験が必要である。
X-WBCは、比較的共有された人間の動作意味論とエンボディメント固有の身体的実行を分離する、クロスボデーメント基盤フレームワークである。
- 参考スコア（独自算出の注目度）: 9.11598874129235
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scaling humanoid whole-body control toward general-purpose deployment requires large human motion corpora and training experience shared across robot bodies. Existing methods usually train one policy per robot, leaving motion experience isolated across embodiments. We introduce X-WBC, a cross-embodiment foundation framework that separates relatively shared human motion semantics from embodiment-specific physical execution. Human-centered command tokens align full human motion, robot reference motion, and sparse VR observations. A causal Transformer learns reusable temporal structure from mixed multi-robot rollouts, while lightweight robot-specific modules map the shared representation to each robot's proprioception and action space. Across nine simulated embodiments, external motions, and four real robots, experiments show that joint training improves tracking, the aligned representation supports consistent control across command sources, and the learned policy remains competitive beyond the training corpus. These results support heterogeneous humanoids as joint data sources and establish cross-embodiment joint training as a practical route toward whole-body control foundation models.
- Abstract（参考訳）: 汎用的な展開に向けてヒューマノイド全体のコントロールをスケールするには、大きな人間の運動コーパスと、ロボット本体間で共有されるトレーニング経験が必要である。
既存の方法は、通常、ロボットごとに1つのポリシーを訓練し、運動体験を体感的に分離する。
X-WBCは、比較的共有された人間の動作意味論とエンボディメント固有の身体的実行を分離する、クロスボデーメント基盤フレームワークである。
人中心のコマンドトークンは、完全な人間の動き、ロボットの参照動作、まばらなVR観察を調整します。
因果変換器は、混在するマルチロボットロールアウトから再利用可能な時間構造を学習し、軽量なロボット固有のモジュールは、共有表現を各ロボットの受容と行動空間にマッピングする。
9つの模擬エボディメント、外部動作、および4つの実ロボット実験により、関節トレーニングはトラッキングを改善し、整列表現はコマンドソース間の一貫した制御をサポートし、学習されたポリシーはトレーニングコーパスを超えて競争力を維持している。
これらの結果は、異種ヒューマノイドをジョイントデータソースとしてサポートし、全身制御基礎モデルへの実践的なルートとして、クロス・エボディメント・ジョイントトレーニングを確立する。
関連論文リスト
- AnyWorld: Factorized Egocentric World Models for Cross-Embodiment Generalization [88.25615187835321]
我々は,クロス・エボディメント・ワールド・モデリング・フレームワークであるAnyWorldを提案する。
私たちのモデルは、アクション、カメラ、エンボディメントへのインタラクションを分解します。
大規模なヒューマンインタラクション事前トレーニングでモデルをトレーニングする。
論文 参考訳（メタデータ） (2026-08-29T12:55:15Z) - JoyAI-RA 0.1: A Foundation Model for Robotic Autonomy [90.77129709149574]
JoyAI-RAは、汎用的なロボット操作に適した、視覚言語対応の基盤モデルである。
JoyAI-RAは、特に人間の操作とロボット制御の間において、具体化のギャップを埋める。
シミュレーションと実世界のベンチマークの両方で最先端の手法よりも優れています。
論文 参考訳（メタデータ） (2026-04-22T01:51:48Z) - ZeroWBC: Learning Natural Visuomotor Humanoid Control Directly from Human Egocentric Video [52.78703020909145]
我々は、人間中心のビデオから直接、自然なヒューマノイドビジュモータ制御ポリシーを学ぶ新しいフレームワークであるZeroWBCを紹介した。
提案手法はまず視覚言語モデル(VLM)を微調整し,テキスト命令とエゴセントリックな視覚コンテキストに基づく将来の身体全体の動作を予測する。
ユニツリーG1ヒューマノイドロボットの実験では,動作の自然性と汎用性において,本手法がベースラインアプローチより優れていることが示された。
論文 参考訳（メタデータ） (2026-03-10T04:19:43Z) - Scalable and General Whole-Body Control for Cross-Humanoid Locomotion [47.617416398266506]
本稿では,ヒューマノイドロボットのためのクロスボディトレーニングフレームワークであるXHugWBCを紹介する。
XHugWBCは、トレーニング中の形態的および動的特性の広範な分布を内部化する。
12個の擬似ヒューマノイドと7つの現実世界ロボットの実験は、結果として生じるユニバーサルコントローラの強い一般化と堅牢性を示している。
論文 参考訳（メタデータ） (2026-02-05T15:48:15Z) - Learning a Unified Latent Space for Cross-Embodiment Robot Control [8.76482934005711]
本稿では,人体横断型ロボット制御のためのスケーラブルなフレームワークを提案する。
我々は、人間と多様なヒューマノイドプラットフォームをまたいだ動きを統一する、共通の潜在表現を学ぶ。
本手法は,ロボットの潜伏空間への効率的な付加を支援する。
論文 参考訳（メタデータ） (2026-01-21T19:31:17Z) - FRoM-W1: Towards General Humanoid Whole-Body Control with Language Instructions [147.04372611893032]
FRoM-W1は、自然言語を用いた一般的なヒューマノイド全体の動作制御を実現するために設計されたオープンソースのフレームワークである。
我々はUnitree H1とG1ロボット上でFRoM-W1を広範囲に評価した。
その結果,HumanML3D-Xベンチマークにおいて,人体全体の動作生成に優れた性能を示した。
論文 参考訳（メタデータ） (2026-01-19T07:59:32Z) - MiVLA: Towards Generalizable Vision-Language-Action Model with Human-Robot Mutual Imitation Pre-training [102.850162490626]
人間のロボットによる相互模倣事前学習による視覚-言語-行動モデルであるMiVLAを提案する。
MiVLAは、最先端のVLAよりも優れた、強力な改良された一般化能力を実現する。
論文 参考訳（メタデータ） (2025-12-17T12:59:41Z) - Human-Humanoid Robots Cross-Embodiment Behavior-Skill Transfer Using Decomposed Adversarial Learning from Demonstration [9.42179962375058]
本稿では,デジタル人間モデルを共通プロトタイプとして使用することにより,データのボトルネックを低減するための転送可能なフレームワークを提案する。
このモデルは、人間による実演から、敵対的な模倣を通して行動プリミティブを学習し、複雑なロボット構造を機能的な構成要素に分解する。
本フレームワークは,多種多様な構成のヒューマノイドロボット5体を用いて検証した。
論文 参考訳（メタデータ） (2024-12-19T18:41:45Z)
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。