論文の概要: Banana Kick: Response-Informed Skill Evolution for Humanoid Soccer

• arxiv url: http://arxiv.org/abs/2609.27269v1
• Date: Wed, 23 Sep 2026 02:52:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.849273
• Title: Banana Kick: Response-Informed Skill Evolution for Humanoid Soccer
• Title（参考訳）: Banana Kick: ヒューマノイドサッカーのためのレスポンシブインフォームドスキルの進化
• Abstract要約: 動作模倣は、より信頼性の高い通常のキックを先延ばしするが、強化学習は、基礎となるキック技術を変更することなく、ショットスピードと配置精度を向上させることができる。 政策適応のための閉ループ客観継続手法であるRISE(Response-informed skill evolution)を提案する。 RISEはキャッシュされたロールアウトから推定される応答感度を用いて、境界値の客観的な変更をランク付けし、確認された応答進捗を生成する場合にのみ更新を受け付ける。
• 参考スコア（独自算出の注目度）: 25.293432079763566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid kicking requires coordinated whole-body motion and precise contact, while a banana kick demands contact mechanics that generate ball spin and aerodynamic curvature. Motion imitation provides a reliable ordinary-kick prior, but reinforcement learning may improve shot speed and placement accuracy without changing the underlying kicking technique. Adapting this prior to a qualitatively different contact-rich skill can fail even when the reward is dense and optimization remains stable. The failure occurs when the task objective is locally flat over the current policy's responses. We term this condition first-order learning starvation. To address it, we propose response-informed skill evolution (RISE), a closed-loop objective-continuation method for policy adaptation. RISE ranks bounded objective changes using response sensitivity estimated from cached rollouts and accepts updates only when they produce verified response progress while preserving kicking reliability. Our analysis shows that rescaling a saturated spin reward cannot recover first-order sensitivity at zero spin, whereas adapting coupled contact responses can provide a learnable path to spin generation. We integrate RISE into a humanoid kicking pipeline under calibrated contact and Magnus-force aerodynamics, and sim-to-real transfer. Experiments show that RISE evolves the ordinary kick into a high-spin curved kick with 11.55 rad/s mean ball spin, improves the mean evaluation score by 19.8% over a learning-progress curriculum, and raises joint target attainment from 15.2% to 50.9%. Ablations and response diagnostics support the mechanism, while 30 motion-capture-recorded physical trials demonstrate consistent hardware transfer of the learned curved kick. Project website: https://haozhang-thu.github.io/bananakick/
• Abstract（参考訳）: ヒューマノイドキックは全体の動きと正確な接触を必要とし、バナナキックはボールスピンと空気力学的曲率を生成する接触力学を要求する。 動作模倣は、より信頼性の高い通常のキックを先延ばしするが、強化学習は、基礎となるキック技術を変更することなく、ショットスピードと配置精度を向上させることができる。 これを定性的に異なるコンタクトリッチスキルに適応させることは、報酬が密集していて、最適化が安定している場合でも失敗する可能性がある。 失敗は、タスクの目的が現在のポリシーの応答に対して局所的に平坦であるときに起こる。 我々はこの条件を1次学習飢餓と呼ぶ。 そこで本研究では,政策適応のためのクローズドループ客観的継続手法であるRISEを提案する。 RISEはキャッシュされたロールアウトから推定される応答感度を用いて、境界値の客観的な変更をランク付けし、キック信頼性を維持しながら、確認された応答進捗を生成する場合にのみ更新を受け付ける。 飽和スピン報酬の再スケーリングはゼロスピンでの1次感度を回復できないのに対し、結合した接触応答はスピン生成への学習可能な経路となる。 我々はRISEを、調整された接触とマグナス力空力下でのヒューマノイドキックパイプラインに統合し、シム・トゥ・リアル・トランスファーを行う。 実験の結果、RISEは通常のキックを11.55 rad/sの平均球スピンでハイスピンのカーブキックに進化させ、学習過程のカリキュラムで平均評価スコアを19.8%改善し、関節の目標達成率を15.2%から50.9%に引き上げた。 アブレーションと応答診断はメカニズムをサポートし、モーションキャプチャー記録された30の物理トライアルは、学習されたカーブしたキックの一貫したハードウェア転送を示す。 プロジェクトサイト:https://haozhang-thu.github.io/bananakick/

関連論文リスト

• Angular momentum analysis on Karate roundhouse kicks: a longitudinal case study [0.0]
  ケイト・ラウンドハウス・キックはダイナミックなバック・アンド・フォース・ローテーションを示す極端なケースである。 角運動量(AM)管理の調査は、動的人間の動作の安定性解析に影響を及ぼす可能性がある。 本稿では,AMをベースとした2つの新しい測度を導入し,AM関連変数を解析し,ターゲットレスレギュラブルバックレッグKarateラウンドハウスキックについて検討する。
  論文  参考訳（メタデータ） (2026-09-21T20:13:50Z)
• Anticipatory Robot Goalkeeping via Monotone Optimal Stopping [27.7968930025327]
  待ちはターゲットに関する情報をより信頼できるものにしますが、インターセプションの物理的な機会を減らします。 動的ロボットインターセプションのための構造的リリース最適化法であるモノトーン最適停止法を提案する。 MOSは,パラメータマッチング学習ゲートよりも平均保存率を67.7%から74.4%に向上することを示した。
  論文  参考訳（メタデータ） (2026-09-21T01:17:28Z)
• Dynamics-Induced Commitment in Learning-Based Robotic Penalty Kicks [31.095840839156065]
  ロボットゲームでの学習は、身体がまだ実行可能であることによって制限される。 我々はこれを,ゲームレベルの自己プレーポリシーがサッカー全体のコントローラを固定する階層型ヒューマノイド四段式ペナルティシステムで研究する。
  論文  参考訳（メタデータ） (2026-09-17T21:21:35Z)
• Verifiable Self-Evolution for Open-Ended Dialogue Skills via Future-Feedback Prediction [1.5383510899449275]
  Future-feedbackスキルの進化は、現在の回答を規定する自己進化から、観察された回答が肯定的または否定的な後続のユーザー信号につながるかどうかを予測することへの転換である。 プロプライエタリなプライバシ保護型セールスアシストデータセットでは、注意深い品質フィルタリングと、バランスのとれた解決/未解決の分割によって、75%以上の予測精度が得られます。
  論文  参考訳（メタデータ） (2026-07-21T11:06:25Z)
• ReCrit: Transition-Aware Reinforcement Learning for Scientific Critic Reasoning [67.4767245219046]
  ReCritは、移行対応の強化学習フレームワークである。 初期から批判的な振る舞いを4つの四分詞に分解する: 補正、シコファンシー、ロバストネス、バウンダリー。 3つの科学的推論ベンチマークにおいて、ReCritはQwen3.5-4Bでは38.15から51.49に、Qwen3.5-9Bでは45.40から55.59に平均批評家の精度を改善している。
  論文  参考訳（メタデータ） (2026-05-11T09:22:39Z)
• Learning to Hint for Reinforcement Learning [51.46328710610512]
  グループ相対政策最適化(GRPO)は、検証可能な報酬を伴う強化学習に広く用いられている。 GRPOは、グループ内のすべてのロールアウトが同じ報酬を受けると、しばしば有利な崩壊に苦しむ。 Hint Learning for Reinforcement Learning (HiLL)を提案する。
  論文  参考訳（メタデータ） (2026-04-01T09:58:08Z)
• TransCurriculum: Multi-Dimensional Curriculum Learning for Fast & Stable Locomotion [50.54752207285298]
  TransCurriculumは、アジャイル四足歩行のためのトランスフォーマーベースの多次元カリキュラム学習アプローチである。 シミュレーションでは,Unitree Go1ロボットに対するアプローチを検証し,Go1ハードウェア上でゼロショットでデプロイする。
  論文  参考訳（メタデータ） (2026-03-14T23:44:42Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Classifying Soccer Ball-on-Goal Position Through Kicker Shooting Action [1.3887779684720984]
  本研究は、シューターの蹴りを観察することで、サッカーフリーキック後のボールの方向を正確に予測できるかどうかを論じる。 我々のアプローチは、ヒューマンアクション認識(HAR)埋め込みとコンテキスト情報を統合するモデルを開発するためにニューラルネットワークを活用することである。 その結果,2つの主要なBoGPクラス(左右)を考える場合,69.1%の精度が得られた。
  論文  参考訳（メタデータ） (2023-12-23T12:11:38Z)
• Transferability Estimation Based On Principal Gradient Expectation [68.97403769157117]
  クロスタスク転送性は、自己整合性を維持しながら転送結果と互換性がある。 既存の転送可能性メトリクスは、ソースとターゲットタスクを会話することで、特定のモデルに基づいて推定される。 本稿では,タスク間の転送可能性を評価するための簡易かつ効果的な手法であるPGEを提案する。
  論文  参考訳（メタデータ） (2022-11-29T15:33:02Z)
• Pedestrian orientation dynamics from high-fidelity measurements [65.06084067891364]
  本研究では,歩行者の運動の一般的な物理的特性に基づいて学習するディープ・ニューラル・アーキテクチャに基づく新しい計測手法を提案する。 提案手法は, 誤差を7.5度まで低減し, 向きを推定できることを示す。 このツールは、方向が鍵となる人間の群集力学の研究において、新たな可能性を開く。
  論文  参考訳（メタデータ） (2020-01-14T07:08:31Z)

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。