論文の概要: OmniMimic: Dynamics-completed Motion Augmentation for Multi-style Omnidirectional Quadruped Locomotion

• arxiv url: http://arxiv.org/abs/2609.20566v1
• Date: Thu, 17 Sep 2026 15:28:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.351468
• Title: OmniMimic: Dynamics-completed Motion Augmentation for Multi-style Omnidirectional Quadruped Locomotion
• Title（参考訳）: OmniMimic: 多方向四足歩行のためのダイナミックコンプリート運動増強法
• Abstract要約: オムニミミック(OmniMimic, OmniMimic)は、動物実験の方向制限を単一のマルチゲートポリシーに変換する訓練フレームワークである。 シミュレーションでは、OmniMimicは平均足位RMSEを前方および後方基準速度で12.9%削減する。
• 参考スコア（独自算出の注目度）: 37.74635813579993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Animal demonstrations provide quadruped robots with natural and distinctive gait styles that are difficult to specify through hand-crafted rewards. However, their narrow directional coverage leaves little style-consistent supervision for backward, lateral, and turning commands. We present OmniMimic, a training framework that turns directionally limited animal demonstrations into a single multi-gait policy over target per-axis velocity ranges. OmniMimic first combines temporal reversal, constrained dynamics completion, and sagittal reflection to construct robot-specific kinematic and physical supervision beyond the observed directions. It then expands commands progressively from the demonstrated velocity distribution toward the target per-axis bounds, and uses a shared actor with soft-gated, gait-specialized residual experts to balance reusable locomotion skills with gait-specific corrections. Across four gaits in simulation, OmniMimic reduces mean foot-position RMSE at forward and backward reference velocities by 12.9% and velocity-tracking RMSE on a uniform Cartesian command grid by 63.1%, compared with the matched APEX baseline. The project page is at https://OmniMimic.github.io.
• Abstract（参考訳）: 動物デモでは、手作りの報酬によって特定が難しい自然的で独特な歩行スタイルの四足歩行ロボットが提供される。 しかし、その狭い方向のカバレッジには、後方、横、旋回命令に対するスタイルに一貫性のある監督がほとんど残っていない。 オムニミミック(OmniMimic, OmniMimic)は、動物実験の方向制限を標的の速度範囲に対して単一のマルチゲットポリシーに変換する訓練フレームワークである。 OmniMimicは、まず時間反転、制約されたダイナミックス補完、および矢状反射を組み合わせて、観察方向を超えてロボット固有の運動と身体の監督を構築する。 次に、デモされた速度分布から軸当たりの目標に向かってコマンドを段階的に拡張し、ソフトゲートで歩行特化された残留専門家と共有アクターを使用して、歩行特化補正と再利用可能な移動スキルのバランスをとる。 シミュレーションでは、OmniMimicは平均足位RMSEを前方および後方基準速度で12.9%減らし、一様カルテシアンコマンドグリッド上での速度追跡RMSEを63.1%減らした。 プロジェクトのページはhttps://OmniMimic.github.ioにある。

関連論文リスト

• Morphology-Aware Human Motion Retargeting for Wheeled-Humanoid Loco-Manipulation [3.1041072702135213]
  本稿では,マルチデータセット動作をガラクサR1車輪型ヒューマノイドのロコ操作動作に変換するパイプラインを提案する。 ロボットは平面式3輪ベースとシリアル胴体と2本の腕を持つが、脚の関節は持たない。 基準ツイスト駆動の計画層は、平面ベースの動きを連続した3輪ステアリングとローリングコマンドにデコードする。
  論文  参考訳（メタデータ） (2026-09-10T10:40:31Z)
• SimWAM: A Simple World Action Model for End-to-End Autonomous Driving [66.93548079427477]
  我々は、将来の映像予測を訓練時間監視信号として活用する、シンプルで効果的なWAMであるSimWAMを提案する。 孤立した注意マスクは、将来のフレームとは独立して行動予測を保持し、推論時に明示的な将来のフレーム生成なしに軌道予測を可能にする。 我々のSimWAMは、NAVSIM上の91.5 PDMSを達成し、最先端のWAMベースのプランナをはるかに低レイテンシで超越し、ゼロショットをnuScenesに転送する。
  論文  参考訳（メタデータ） (2026-08-07T17:59:09Z)
• Position-Based Flocking for Persistent Alignment without Velocity Sensing [5.932803277485071]
  鳥の群れや魚の学校における協調的な集団運動は、密集した群れロボットのためのアルゴリズムを刺激する。 本稿では,速度センサを使わずに持続的な速度アライメントを実現する位置ベースフラッキングモデルを提案する。
  論文  参考訳（メタデータ） (2026-02-25T18:01:00Z)
• Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
  本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。 31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
  論文  参考訳（メタデータ） (2025-12-08T11:42:41Z)
• Impedance Matching: Enabling an RL-Based Running Jump in a Quadruped Robot [7.516046071926082]
  シミュレーションロボットと現実ロボットのギャップを軽減するための新しい枠組みを提案する。 本フレームワークはパラメータ選択のための構造化ガイドラインとシミュレーションにおける動的ランダム化の範囲を提供する。 結果は、我々の知る限り、実四足歩行ロボットにおいて、RLベースの制御ポリシーによって実証された最も高く、最も長いジャンプの1つです。
  論文  参考訳（メタデータ） (2024-04-23T14:52:09Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• Next Steps: Learning a Disentangled Gait Representation for Versatile Quadruped Locomotion [69.87112582900363]
  現在のプランナーは、ロボットが動いている間、キー歩行パラメータを連続的に変更することはできない。 本研究では、特定の歩行を構成する重要な姿勢位相を捉える潜在空間を学習することにより、この制限に対処する。 本研究では, 歩幅, 歩幅, 立位など, 歩行パラメータに直接対応した駆動信号マップの具体的特性を示す。
  論文  参考訳（メタデータ） (2021-12-09T10:02:02Z)

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。