論文の概要: Locomotion-Grounded Humanoid Soccer: Task-Gated Reinforcement Learning of a Multi-Directional Kicking Library
- arxiv url: http://arxiv.org/abs/2609.38852v1
- Date: Wed, 30 Sep 2026 03:11:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.066524
- Title: Locomotion-Grounded Humanoid Soccer: Task-Gated Reinforcement Learning of a Multi-Directional Kicking Library
- Title（参考訳）: 移動囲み型ヒューマノイドサッカー:多方向キッキングライブラリのタスクゲーテッド強化学習
- Abstract要約: 近年のヒューマノイドサッカーシステムは、モーショントラッキングを基板から引き起こし、通常、ボールに向かってモーション参照アンカーを操る。
これは強い射撃結果をもたらすが、ロコモーションは狭く決定論的な指令分布ボールアプローチによってのみ訓練され、それ自体が能力として評価されることはない。
スタックを逆転させる: 一般的なコマンド条件のロコモーションポリシーをまず基板として訓練し, タスクゲート層としてNモーション誘導のキックスキルを付加する。
すべてのスキルが同じコマンド可能な状態から始まり、返ってくるので、ロコモーションはむしろコンポジションハブ(O(N)トランジション)になる。
- 参考スコア（独自算出の注目度）: 28.003092914158817
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent humanoid soccer systems make motion tracking the substrate and derive locomotion from it, typically by steering a motion-reference anchor toward the ball. This yields strong shooting results, but locomotion is trained only on the narrow, deterministic command distribution ball approach induces, never evaluated as a capability in its own right. We invert the stack: a general, command-conditioned locomotion policy is trained first as the substrate, and N motion-guided kicking skills are added on top as task-gated layers, so the reachable gait space is set by the locomotion curriculum rather than any reference clip. Because every skill starts from and returns to this same commandable state, locomotion also becomes a composition hub (O(N) transitions rather than O(N^2)), and post-strike stabilisation is handed back to the trained controller rather than scripted per clip. We instantiate this on a 29-DoF Unitree G1 with seven retargeted kicking skills spanning 259.5 degrees of nominal aim direction, including lateral, rearward and weak-foot strikes a single forward-facing reference cannot express, and report shooting accuracy alongside command-tracking, terrain and push-recovery results with the full skill library attached, an axis prior humanoid soccer systems do not report. The library is validated on hardware across forward, lateral, rearward and commanded approaches.
- Abstract（参考訳）: 近年のヒューマノイドサッカーシステムは、モーショントラッキングを基板から引き起こし、通常、ボールに向かってモーション参照アンカーを操る。
これは強い射撃結果をもたらすが、ロコモーションは狭く決定論的な指令分布ボールアプローチによってのみ訓練され、それ自体が能力として評価されることはない。
スタックを逆転させる: 一般的なコマンド条件の移動ポリシーをまず基板として訓練し、Nモーション誘導の蹴りスキルをタスクゲート層として追加するので、到達可能な歩行空間は基準クリップではなく、移動カリキュラムによって設定される。
すべてのスキルが同じコマンド可能な状態から始まり、返ってくるので、ロコモーションはO(N^2)ではなくコンポジションハブ(O(N)トランジション)となり、ストライク後の安定化はクリップ毎にスクリプト化されるのではなく、トレーニングされたコントローラに渡される。
本研究は,29-DoFユニツリーG1において,229.5度の目標方向の7つのリターゲティングスキルを具備し,一方の前方対面基準が表現できない横方向,後方方向,足裏方向,足底方向の7つの照準を同時に達成し,また,コマンドトラッキングや地形,プッシュリカバリと合わせて射撃精度を報告し,フルスキルライブラリを付設した全精度回復結果を報告するとともに,人型サッカーシステム以前の軸は報告しない。
ライブラリは、前方、横、後方、命令されたアプローチにわたるハードウェア上で検証されている。
関連論文リスト
- Learning Holistic Whole-Body Loco-Manipulation with a Bipedal Mobile Manipulator [6.961580294931018]
両足歩行操作は、ロボットが腕の名目上の作業空間を超えて物体と対話することを可能にする。
タスクレベルの操作目標を協調した腕と脚の動きに変換する低レベル全体制御器を提案する。
論文 参考訳（メタデータ） (2026-09-16T17:05:32Z) - Light-Loco-Parkour: Versatile Perceptive Whole-Body Locomotion via Multi-Skill Distillation [23.823908892458306]
終端から終端まで知覚的な全身移動システムである textttLight-Loco-Parkour (LLP) を提案する。
ポリシーは、基準入力、スキルラベル、手書きゲート、実行時モーショングラフなしで、いつ歩くか、バランスをとるか、昇るか、ステップダウンするか、またはVaultを決定する。
シミュレーションと実世界の実験は、ベンチマークされた地形と見えない障害物の変化の両方で高い成功を示している。
論文 参考訳（メタデータ） (2026-08-01T06:38:55Z) - RoboNaldo: Accurate, Stable and Powerful Humanoid Soccer Shooting via Motion-Guided Curriculum Reinforcement Learning [29.003533673238135]
エリートヒューマノイドサッカーシューティングは、全身の安定性、高インパルスの全身の相互作用、ターゲットへの精度を必要とする。
高速なヒューマノイドインタラクションのための運動誘導型カリキュラムフレームワークであるRoboNaldoを紹介する。
シミュレーションでは、RoboNaldoは48.6%低いフリーキックショットエラーと2.96倍の撮影速度を示した。
論文 参考訳（メタデータ） (2026-06-09T16:51:13Z) - Learning Whole-Body Humanoid Locomotion via Motion Generation and Motion Tracking [22.8041193953823]
高次元制御、形態的不安定性、および車載認識を用いた様々な地形へのリアルタイム適応の必要性により、全身のヒューマノイド移動は困難である。
本研究では,参照動作から学んだスキルと地形認識適応を組み合わせた全身ヒューマノイド移動フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-19T09:02:55Z) - 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) - HOMIE: Humanoid Loco-Manipulation with Isomorphic Exoskeleton Cockpit [52.12750762494588]
本稿では,半自律遠隔操作システムHOMIEを紹介する。
ペダルにマッピングされた身体制御のための強化学習ポリシー、腕制御のための異形外骨格アーム、手操作のためのモーションセンシンググローブを組み合わせている。
このシステムは完全なオープンソースであり、デモとコードはhttps://homietele.org/.com/で見ることができる。
論文 参考訳（メタデータ） (2025-02-18T16:33:38Z) - DexDribbler: Learning Dexterous Soccer Manipulation via Dynamic Supervision [26.9579556496875]
移動物体の協調操作と,サッカーなどの足による移動は,学習コミュニティにおいて目立たない注目を集める。
出力をダイナミックな関節レベル移動監視として使用し,必要な身体レベルの動きを正確に計算するフィードバック制御ブロックを提案する。
我々は,我々の学習手法が政策ネットワークをより早く収束させるだけでなく,サッカーロボットが高度な操作を行うことを可能にすることを観察した。
論文 参考訳（メタデータ） (2024-03-21T11:16:28Z) - Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。
本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。
この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
論文 参考訳（メタデータ） (2024-01-30T10:48:43Z) - Reinforcement Learning for Robust Parameterized Locomotion Control of
Bipedal Robots [121.42930679076574]
シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。
ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。
本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
論文 参考訳（メタデータ） (2021-03-26T07:14:01Z) - Learning Quadrupedal Locomotion over Challenging Terrain [68.51539602703662]
足の移動はロボティクスの操作領域を劇的に拡張することができる。
足の移動のための従来のコントローラーは、運動プリミティブと反射の実行を明示的にトリガーする精巧な状態マシンに基づいている。
ここでは、自然環境に挑戦する際の足の移動に対して、徹底的に頑健な制御器を提案する。
論文 参考訳（メタデータ） (2020-10-21T19:11:20Z)
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。