論文の概要: PLAT: Sparse Timed Keyframe Motion Tracking for Humanoid Control via Privileged Latent Transition Learning

• arxiv url: http://arxiv.org/abs/2609.25754v1
• Date: Tue, 22 Sep 2026 06:47:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.256576
• Title: PLAT: Sparse Timed Keyframe Motion Tracking for Humanoid Control via Privileged Latent Transition Learning
• Title（参考訳）: PLAT:Privileged Latent Transition Learningによるヒューマノイド制御のためのスパースタイムキーフレームモーショントラッキング
• Abstract要約: ヒューマノイドモーショントラッキングポリシーはフレーム単位の高密度参照に依存しており、計画と対話的なモーション生成のための高レベルモーションコントローラとしての使用を制限する。 textbfPrivileged textbfLAtent textbfTransition Learningを用いた3段階のスパース動作追跡ポリシー学習フレームワークである textbfPLAT を提案する。 事前訓練された高密度追跡専門家は、まず、頑健な動作前処理を提供する。特権付き潜伏前処理は、DAggerスタイルの模倣を通じて学習され、続いて潜伏後処理を改良する潜伏後強化学習が行われる。
• 参考スコア（独自算出の注目度）: 24.266859888632936
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid motion tracking policies rely on dense frame-by-frame references, limiting their use as high-level motion controllers for planning and interactive motion generation. We study \emph{Sparse Timed Keyframe Motion Tracking}, where a policy receives only sparse future keyframes and their desired arrival times, and must execute stable whole-body motions that reach successive goals. We propose \textbf{PLAT}, a three-stage sparse timed keyframe motion tracking policy learning framework with \textbf{P}rivileged \textbf{LA}tent \textbf{T}ransition learning. PLAT bridges dense motion tracking and sparse goal-conditioned control by exploiting dense goal sequences as privileged supervision during training while requiring only sparse timed keyframe commands at deployment. A pretrained dense tracking expert first provides robust motion priors. A privileged latent prior is then learned through DAgger-style imitation, followed by latent residual reinforcement learning that refines latent transitions instead of directly optimizing actions. Extensive simulation experiments demonstrate that PLAT maintains accurate and stable sparse timed keyframe tracking across varying planning horizons, with particularly strong performance under long-horizon commands. Successful deployment on a Unitree G1 humanoid robot further demonstrates the effectiveness and practicality of PLAT for sparse humanoid motion control.
• Abstract（参考訳）: ヒューマノイドモーショントラッキングポリシーはフレーム単位の高密度参照に依存しており、計画と対話的なモーション生成のための高レベルモーションコントローラとしての使用を制限する。 そこでは、ポリシーが将来のキーフレームと所望の到着時間のみを受信し、連続する目標に達するための安定した全身の動きを実行する必要がある。 本稿では,3段階の時間的キーフレーム追跡ポリシー学習フレームワークである \textbf{PLAT} を提案する。 PLATは、密集した動きの追跡と、密集した目標シーケンスを訓練中の特権的な監視として利用し、配置時に少量の時間付きキーフレームコマンドだけを必要とすることによって、スパースな目標条件制御を橋渡しする。 事前訓練された密集追跡の専門家は、まず、堅牢な動作前処理を提供する。 特権付き潜伏前者はDAggerスタイルの模倣を通じて学習され、その後に潜伏後続強化学習(英語版)が行われ、行動を直接最適化する代わりに潜伏遷移を洗練させる。 広範囲なシミュレーション実験により、PLATは様々な計画地平線を横断する正確で安定したスパース時間付きキーフレーム追跡を維持しており、特に長距離コマンド下での強い性能を示している。 ユニツリーG1ヒューマノイドロボットへの展開が成功し、スパースヒューマノイドモーションコントロールにおけるPLATの有効性と実用性がさらに証明された。

関連論文リスト

• Fetch My Beer: Synthetic-to-real Hierarchical Policy for Smooth Pick-and-place [54.561625475942584]
  本研究では, 液体充填容器の安定輸送について検討し, ロボットが物体を目標場所へ移動させながら, スロッシングを抑え, こぼれを防止する方法を検討した。 このタスクは運動の滑らかさと軌道レベルの安定性に厳格な要件を課し、既存のシステムの明確な制限を明らかにする。 物理的に検証されたデータ生成と階層的拡散型コントローラを結合した合成から現実のフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-16T04:55:12Z)
• CosmoH2G: A Hand-to-Gripper Transfer Dataset and Baseline Method for Object Manipulation with Complex Spatial Movements [63.40365657068892]
  ロボットグリップに人手によるデモンストレーションを移すことは、最近、ロボット学習の費用対効果の高いソリューションとして浮上した。 このギャップに触発された我々は、きめ細かい手の動きによって導かれる暗黙的なデータ駆動アプローチを採用した。 シミュレーションと実ロボット実験の両方において、我々のフレームワークは複雑な空間操作の安定かつ高精度なハンド・トゥ・グルーパー転送を可能にする。
  論文  参考訳（メタデータ） (2026-09-07T13:47:22Z)
• Spatiotemporal Agility: Time-Constrained Reinforcement Learning for Vision-Guided Dynamic Quadrupedal Interception [3.372164928871513]
  脚のあるロボットは、複雑で動的な環境を知覚し、相互作用するために、堅牢な俊敏性を必要とします。 既存の四足歩行の作業の多くは、厳密な時間的制約の中で正確な目標に到達するのに苦労する速度追跡ポリシーに依存している。 本稿では,着陸地点と時間予測のための視覚モジュールと直接位置と時間条件のRLロコモーションポリシを組み合わせた統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-07T07:42:19Z)
• Learning Asynchronous Upper-body Task-space Trajectory Tracking Policy for Humanoid Robots [23.48077252367636]
  ヒューマノイドのための非同期な上半身タスク空間追跡フレームワークを提案する。 学生政策は、教師と学生による蒸留であり、完全にキャッシュされた将来の軌跡に基づいている。 タスク固有のポストトレーニングでは、MPCモジュールがスパース参照をフローティングベースとアッパーボディのガイダンスに完了させる。
  論文  参考訳（メタデータ） (2026-06-24T11:19:38Z)
• BFMTrack: Latent Sequence Optimization for Physics-Based Motion Tracking with Behavioral Foundation Models [7.959692704349906]
  行動基礎モデル(BFM)は、物理的に妥当な行動の豊富なレパートリーを、大規模な運動データセットによってガイドされた潜在空間に整理する。 これらのモデルは、ゴール取得や状態ベースの報酬最適化のような時間不変のタスクで優れているが、その潜在空間は、モーションシーケンスの追跡のような時間変化の目的を直接サポートしていない。 本稿では,これらの欠点に対処する新しいLatent Sequence Optimization(LSO)を提案する。
  論文  参考訳（メタデータ） (2026-06-23T18:12:22Z)
• TrackVLA++: Unleashing Reasoning and Memory Capabilities in VLA Models for Embodied Visual Tracking [30.955088934475928]
  本稿では,空間的推論機構と時間的同定メモリ(TIM)という2つの重要なモジュールによる視覚追跡を具体化する新しいモデルであるTrackVLA++を提案する。 TrackVLA++は、エゴセントリックな設定とマルチカメラ設定の両方で、公開ベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-10-08T15:29:17Z)
• Beyond Frame-wise Tracking: A Trajectory-based Paradigm for Efficient Point Cloud Tracking [13.622939944601393]
  TrajTrackは、歴史的なバウンディングボックストラジェクトリだけで動きの連続性を暗黙的に学習することで、ベース2フレームトラッカーを強化する軽量フレームワークである。 新たな最先端性能を実現し、56FPSで走行しながら強力なベースライン上での追跡精度を4.48%向上させた。
  論文  参考訳（メタデータ） (2025-09-14T21:57:16Z)
• MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
  本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。 実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-06-05T04:24:11Z)
• MotionTrack: Learning Robust Short-term and Long-term Motions for Multi-Object Tracking [56.92165669843006]
  本研究では,短時間から長期間の軌跡を関連づける統合フレームワークで,堅牢な短期・長期動作を学習するMotionTrackを提案する。 密集した群集に対して,各ターゲットの複雑な動きを推定できる,短時間の軌跡から相互作用認識動作を学習するための新しい対話モジュールを設計する。 極端なオクルージョンのために、ターゲットの履歴軌跡から信頼できる長期動作を学習するための新しいRefind Moduleを構築し、中断された軌跡とそれに対応する検出とを関連付けることができる。
  論文  参考訳（メタデータ） (2023-03-18T12:38:33Z)

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。