論文の概要: HuGo: LLMs as Whole-Body Policy Code Designers for Humanoid Loco-Manipulation

• arxiv url: http://arxiv.org/abs/2609.30594v2
• Date: Tue, 29 Sep 2026 23:44:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:25.63262
• Title: HuGo: LLMs as Whole-Body Policy Code Designers for Humanoid Loco-Manipulation
• Title（参考訳）: HuGo: ヒューマノイドロコマニピュレーションのための全身ポリシーコードデザイナとしてのLLM
• Abstract要約: 既存のアプローチは、通常、報酬工学やデモンストレーション、タスク固有のトレーニングを通じて、ロコ操作ポリシーを取得する。 本稿では,これらのタスクごとの要求を解消するヒューマノイド・ロコ・マニピュレーションの階層的アプローチを提案する。 HuGoは高レベルの強化学習ベースラインを大幅に上回り、デモベースベースラインのパフォーマンスにアプローチする。
• 参考スコア（独自算出の注目度）: 8.351720795418995
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For humanoids to be useful in everyday environments, they must perform a wide range of tasks that couple locomotion and manipulation. Existing approaches commonly acquire a loco-manipulation policy through reward engineering or demonstrations followed by task-specific training, making it costly to scale to new tasks. In this work, we propose a hierarchical approach to humanoid loco-manipulation that eliminates these per-task requirements. HuGo, Humanoid policy code Generation, uses a Large Language Model (LLM) to generate executable, closed-loop high-level policy code from a task description on top of a frozen low-level whole-body policy. Given the task, observation, and command specifications, the LLM constructs the task logic in code. HuGo then refines the policy from its rollouts using numerical trajectories and selected video frames to produce feedback and targeted code updates. Across five simulation tasks, using two different low-level policies, HuGo substantially outperforms a high-level reinforcement learning baseline and approaches the performance of a demonstration-based baseline. We achieve this level of performance without task-specific reward design or demonstration collection. We further demonstrate zero-shot transfer of simulation-generated policies to hardware and show that applying the same refinement loop to real-world rollouts can further improve transfer performance without expert demonstrations or policy retraining. Project website is https://iconlab.negarmehr.com/HuGo/
• Abstract（参考訳）: ヒューマノイドが日常の環境で有用であるためには、移動や操作を伴って幅広いタスクをこなさなければならない。 既存のアプローチは、通常、報酬工学やデモンストレーション、タスク固有のトレーニングを通じて、ロコ操作ポリシーを取得し、新しいタスクにスケールするのにコストがかかる。 本研究では,これらのタスクごとの要求を解消するヒューマノイド・ロコ・マニピュレーションの階層的アプローチを提案する。 HuGo(ヒューマノイドポリシーコード生成)は、Large Language Model(LLM)を使用して、凍結した低レベル全体ポリシーの上のタスク記述から、実行可能でクローズドループなハイレベルポリシーコードを生成する。 タスク、観察、コマンドの仕様が与えられた後、LLMはコード内のタスクロジックを構築します。 次にHuGoは、数値的なトラジェクトリと選択されたビデオフレームを使用してロールアウトからポリシーを洗練し、フィードバックとターゲットコード更新を生成する。 5つのシミュレーションタスクで、2つの異なる低レベルポリシーを使用して、HuGoは高レベルの強化学習ベースラインを大幅に上回り、デモベースベースラインのパフォーマンスにアプローチする。 タスク固有の報酬設計やデモコレクションなしで、このレベルのパフォーマンスを実現する。 さらに,シミュレーション生成ポリシのハードウェアへのゼロショット転送を実証し,実世界のロールアウトに同じリファインメントループを適用することで,専門家によるデモンストレーションやポリシーの再訓練を伴わずに,転送性能をさらに向上させることができることを示す。 プロジェクトウェブサイトはhttps://iconlab.negarmehr.com/HuGo/

関連論文リスト

• HIL-UMI: Bringing Human-in-the-Loop Post-Training of Vision-Language-Action Models to Universal Manipulation Interface [17.051345673499835]
  政策誘導型ユニバーサルマニピュレーションインタフェース(UMI)フレームワークであるHIL-UMIを紹介した。 ハンドヘルドUMIデモでは、HIL-UMIは予測を実行せずに、同じ観測ストリーム上の現在のポリシーをクエリする。 異なるフィードバックループでは、低オンライン優位予測は、進捗ベースの優位推定器を精算するために必要なセグメントを特定する。
  論文  参考訳（メタデータ） (2026-09-17T16:38:37Z)
• Retrieve, Don't Retrain: Extending Vision Language Action Models to New Tasks at Test Time [48.339524522652276]
  Retrievalは、標準的なVLAポリシーを含む特定のバックボーンを超えてポリシーを改善するが、特にコスモスポリシーではその効果が顕著である。 PushTでは,クロス・エボディメントの一般化に先立って,検索が再利用可能なハイレベルな動きを未確認の目標角に対してどのように提供するか,RoboTwin 2.0ではクロス・エボディメントのベースラインを未確認のタスクで上回ります。
  論文  参考訳（メタデータ） (2026-06-14T06:48:01Z)
• GHOST: Hierarchical Sub-Goal Policies for Generalizing Robot Manipulation [54.305781492241785]
  本稿では,トレーニング分布を超えて一般化したビジュモータ操作ポリシーを学習するための枠組みを提案する。 GHOSTは、(i)多視点RGB-D観測から、3Dエンドエフェクタ上の分布として次のサブゴールを予測する高レベルポリシーに制御を分解する。 一連のタスクの中で、この階層的な分解は、フラットな拡散ポリシーと比較して、パフォーマンスと堅牢性を一貫して改善します。
  論文  参考訳（メタデータ） (2026-06-08T18:08:01Z)
• OmniGuide: Universal Guidance Fields for Enhancing Generalist Robot Policies [75.40720507604647]
  視覚言語アクション(VLA)モデルは、比較的単純なタスクの多岐にわたるジェネラリストポリシーとして、非常に有望である。 本稿では,任意の指導源を活用することで,このようなタスクにおけるVLA性能を向上させるフレキシブルなフレームワークを提案する。 本研究では,3次元空間内に存在するタスク特異的アトラクタとレペラを用いて,自然に何種類のガイダンスを微分可能エネルギー関数として表現できるかを示す。
  論文  参考訳（メタデータ） (2026-03-09T17:18:13Z)
• Zero-Shot Whole-Body Humanoid Control via Behavioral Foundation Models [71.34520793462069]
  教師なし強化学習(RL)は、複雑な環境下で幅広い下流タスクを解くことができる事前学習エージェントを目標としている。 本稿では,ラベルのない行動データセットからトラジェクトリを模倣するための,教師なしRLの正規化アルゴリズムを提案する。 我々は,この手法の有効性を,挑戦的なヒューマノイド制御問題において実証する。
  論文  参考訳（メタデータ） (2025-04-15T10:41:11Z)
• Automated Rewards via LLM-Generated Progress Functions [47.50772243693897]
  大きな言語モデル(LLM)は、様々なタスクにまたがる広いドメイン知識を活用することで、報酬工学を自動化する可能性がある。 本稿では,挑戦的なBi-DexHandsベンチマーク上で,最先端のポリシーを生成可能なLLM駆動の報酬生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-11T18:41:15Z)
• Imagination Policy: Using Generative Point Cloud Models for Learning Manipulation Policies [25.760946763103483]
  Imagination Policy(Imagination Policy)は,高精度ピック・アンド・プレイス・タスクを解くための新しいマルチタスク・キー・フレーム・ポリシー・ネットワークである。 アクションを直接学習する代わりに、Imagination Policy は所望の状態を想像するために点雲を生成し、それが厳密なアクション推定を用いてアクションに変換される。
  論文  参考訳（メタデータ） (2024-06-17T17:00:41Z)
• Octopus: Embodied Vision-Language Programmer from Environmental Feedback [58.04529328728999]
  身体視覚言語モデル(VLM)は多モード認識と推論において大きな進歩を遂げた。 このギャップを埋めるために、我々は、計画と操作を接続する媒体として実行可能なコード生成を使用する、具体化された視覚言語プログラマであるOctopusを紹介した。 Octopusは、1)エージェントの視覚的およびテキスト的タスクの目的を正確に理解し、2)複雑なアクションシーケンスを定式化し、3)実行可能なコードを生成するように設計されている。
  論文  参考訳（メタデータ） (2023-10-12T17:59:58Z)
• GenSim: Generating Robotic Simulation Tasks via Large Language Models [34.79613485106202]
  GenSimは、リッチなシミュレーション環境とエキスパートのデモを自動的に生成することを目指している。 既存のベンチマークを10倍から100以上のタスクに拡張するために、GPT4を使用します。 最小限のsim-to-real適応により、GPT4生成したシミュレーションタスクで事前訓練されたマルチタスクポリシーは、現実世界で目に見えないロングホライゾンタスクへのより強力な転送を示す。
  論文  参考訳（メタデータ） (2023-10-02T17:23:48Z)

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。