論文の概要: FootQuery: Future-Touchdown-Guided Retrieval from Depth History for Perceptive Humanoid Locomotion

• arxiv url: http://arxiv.org/abs/2609.21447v1
• Date: Fri, 18 Sep 2026 07:59:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.923689
• Title: FootQuery: Future-Touchdown-Guided Retrieval from Depth History for Perceptive Humanoid Locomotion
• Title（参考訳）: フットクエリ: 知覚型ヒューマノイドロコモーションの深部史からの将来のタッチダウンガイド検索
• Abstract要約: FootQueryは知覚的なロコモーションフレームワークで、各フットの予測した次のタッチダウンを使用して深度履歴をクエリする。 トレーニング中、実写した連絡先を過去の画像に投影し、それらの連絡先が見える地域での検索を監督する。 このフレームワークは、最も難しいテスト階段、ギャップ、プラットフォームにおいて、そのコンポーネントの利点を上回ります。
• 参考スコア（独自算出の注目度）: 35.767756398487315
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid locomotion over complex terrain requires anticipating footholds that may no longer be visible at touchdown. Limited camera coverage and self-occlusion make it necessary to retrieve relevant terrain information from earlier observations. We present FootQuery, a perceptive locomotion framework that queries depth history using each foot's predicted next touchdown. The policy predicts touchdown locations and uncertainty from proprioception and uses these distributions, together with per-foot features, to query sparsely sampled historical depth frames. During training, realized contacts are projected into historical images to supervise retrieval at the regions where those contacts were visible. The retrieved per-foot features are fused with global visual memory to generate control actions. A progressive force-assistance curriculum supports early exploration, while event-consistent tread-midline shaping encourages coordinated stair contacts. Deployment requires only proprioception and onboard depth images. In simulation, the complete framework outperforms its component ablations on the most challenging tested stairs, gaps, and platforms. Real-world experiments on a Unitree G1 demonstrate continuous traversal with a single policy across outdoor stairs and indoor routes combining stair ascent and descent, platforms, and gaps. These results support organizing visual history around anticipated contacts for perceptive humanoid locomotion.
• Abstract（参考訳）: 複雑な地形上でのヒューマノイドの移動には、タッチダウンで見えなくなる可能性のある足場を予想する必要がある。 限定的なカメラカバレッジと自己閉塞は、以前の観測から関連する地形情報を取得する必要がある。 フットクエリは、各フットの予測した次のタッチダウンを使用して深度履歴をクエリする知覚的なロコモーションフレームワークである。 このポリシーは、タッチダウンの場所とプロバイオセプションからの不確実性を予測し、これらの分布と足あたりの特徴を使って、わずかにサンプリングされた歴史的深度フレームをクエリする。 トレーニング中、実写した接触を過去の画像に投影し、それらの接触が見える地域での検索を監督する。 検索されたフィート単位の機能は、グローバルなビジュアルメモリと融合してコントロールアクションを生成する。 プログレッシブ・フォース・アシストのカリキュラムは初期の探検を支援し、イベントに一貫性のあるトレッド・ミッドライン・シェイピングは、調整された階段の接触を促進する。 デプロイはプロプリセプションとオンボードの深度画像のみを必要とする。 シミュレーションでは、完全なフレームワークは、最も困難なテスト階段、ギャップ、プラットフォームにおいて、そのコンポーネントの利点を上回ります。 ユニトリーG1の実際の実験では、階段の上昇と降下、プラットフォーム、ギャップを組み合わせた屋外の階段と屋内のルートをまたいだ単一の方針で連続的な横断を実証している。 これらの結果は、知覚的ヒューマノイド移動のための期待された接触の周囲の視覚履歴の整理を支援する。

関連論文リスト

• Tac4Loco: Learning Spatiotemporal Plantar Pressure Representations for Humanoid Locomotion [10.321961925577867]
  マルチアレイ圧力を人体移動の直接的なフィードバックとして組み込んだフレームワークであるTac4Locoを提案する。 傾斜, 部分非対称, 支持変化のある地形において, 追従性能が改善され, 適応性も向上した。
  論文  参考訳（メタデータ） (2026-08-16T14:37:05Z)
• CReF: Cross-modal and Recurrent Fusion for Depth-conditioned Humanoid Locomotion [6.2747272941647045]
  本稿では,CreF (Cross-modal and Recurrent Fusion) を提案する。 CReFは、明示的な幾何学的中間体を使わずに、生の前方深度から直接移動関連特徴を学習する。
  論文  参考訳（メタデータ） (2026-03-31T08:56:29Z)
• 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)
• Shoe Style-Invariant and Ground-Aware Learning for Dense Foot Contact Estimation [55.03114420454759]
  ゼロ速度制約を用いた足の接触を近似し, 関節レベル接触に着目した既存手法 この相互作用を正確にモデル化するには,足の接触度の推定が重要である。 本稿では,靴スタイルの不変性や地面認識学習と密接な足の接触を学習するFEet Contact推定フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-27T07:50:47Z)
• Towards Visual Grounding: A Survey [99.0950608237702]
  Referring Expression や Phrase Grounding としても知られる Visual Grounding は、与えられた式テキストに基づいてイメージ内の特定の領域をグラウンドすることを目的としている。 2021年以降、視覚的な接地は大幅に進歩し、接地事前訓練のような新しい概念が生まれている。 本稿では,視覚的グラウンドリングの分野で現在利用可能な,最も包括的な概要を示す。
  論文  参考訳（メタデータ） (2024-12-28T16:34:35Z)
• 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)
• 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。