論文の概要: HumanoidTTT: Test-Time Capability Reuse for Efficient Humanoid Control

• arxiv url: http://arxiv.org/abs/2610.00198v1
• Date: Fri, 18 Sep 2026 21:44:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 14:48:16.39481
• Title: HumanoidTTT: Test-Time Capability Reuse for Efficient Humanoid Control
• Title（参考訳）: Humanoid TTT: 効率的なヒューマノイド制御のためのテスト時間機能再利用
• Abstract要約: HumanoidTTTは、連続的なヒューマノイド制御におけるテスト時の機能再利用のためのフレームワークである。 検証された完全運動の直接再利用を認可する選択的完全運動再利用を提案する。 また、有界のFull-Motion Storeで有効な機能を維持するテスト時間機能統合も導入しています。
• 参考スコア（独自算出の注目度）: 12.35353010124029
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent advances in motion generation and whole-body tracking have enabled humanoid robots to execute increasingly diverse motions, yet the same motion capabilities may be requested repeatedly during continual deployment. Reliable reuse is challenging because intervening motions can change the robot's entry state, making previously successful motions unsafe to replay blindly. Meanwhile, validated capabilities accumulate during deployment, while bounded storage requires deciding which ones are worth retaining. To address these challenges, we present HumanoidTTT, a framework for test-time capability reuse in continual humanoid control. Specifically, we introduce Selective Full-Motion Reuse, which authorizes direct reuse of validated complete motions only from certified applicable entry states, allowing accepted reuse to bypass fresh generation. We further introduce Test-Time Capability Consolidation, which adapts which qualified capabilities persist in a bounded Full-Motion Store using subsequent deployment reuse as feedback. Experiments demonstrate zero unsafe accepts and a 16.4$\times$ end-to-end speedup over fresh generation, while online consolidation improves avoided generator calls by 13.2 per 200 requests over its frozen counterpart. Overall, HumanoidTTT enables reliable and efficient reuse of validated motion capabilities while adaptively retaining useful capabilities throughout continual deployment. Code: https://github.com/AIGeeksGroup/HumanoidTTT. Website: https://aigeeksgroup.github.io/HumanoidTTT.
• Abstract（参考訳）: 近年の運動生成と全身追跡の進歩により、ヒューマノイドロボットはますます多様な動作を実行できるようになったが、継続展開中に同じ動作能力が繰り返し要求される可能性がある。 インターベンション動作がロボットのエントリー状態を変える可能性があり、これまで成功していた動作が盲目的にリプレイすることの安全性を損なうため、信頼性の高い再利用は難しい。 一方、検証された機能はデプロイメント中に蓄積されるが、バウンドストレージでは、保持に値するものを決定する必要がある。 これらの課題に対処するため,HumanoidTTTを提案する。 具体的には,検証済みの完全動作の直接再利用を許可するSelective Full-Motion Reuseを導入する。 さらに、テスト時間能力統合(Test-Time Capability Consolidation)を導入します。 実験では、ゼロセーフなアクセプションと16.4$\times$エンド・ツー・エンドのスピードアップが、オンライン統合では、凍結した200の要求に対して、ジェネレータ呼び出しが13.2改善されている。 全体として、HumanoidTTTは、継続的なデプロイメントを通じて有用な機能を適応的に保持しながら、信頼性が高く効率的な動作機能の再利用を可能にする。 コード:https://github.com/AIGeeksGroup/HumanoidTTT。 Webサイト: https://aigeeksgroup.github.io/HumanoidTTT

関連論文リスト

• GenTrack: Physical Alignment for Robot-Native Motion Generation and Zero-Shot Humanoid Tracking [20.397340513713413]
  汎用ヒューマノイドトラッカーは多様な参照を実行することができるが、そのゼロショットカバレッジは、拡張するのにコストがかかる大きなエンボディコーパスに依存している。 我々は、オンラインジェネレータ-トラッカーフレームワークであるGenTrackを紹介し、新たに生成された参照に対するトラッカートレーニングと実行ベースでグループ関係のジェネレータアライメントを交換する。
  論文  参考訳（メタデータ） (2026-08-02T17:44:19Z)
• TEXEDO : Test Time Scaling for Controller-aware Language-conditioned Humanoid Motion Generation [48.72797830886802]
  我々はヒューマノイドモーション生成のためのテスト時間スケーリングフレームワークであるTEXEDOを紹介する。 基礎となる強力な発電機を必要とせず、運動の質を向上させる。 追跡忠実度とテキストアライメントの両方を継続的に改善することを示す。
  論文  参考訳（メタデータ） (2026-06-22T08:14:35Z)
• RPG: Robust Policy Gating for Smooth Multi-Skill Transitions in Humanoid Fighting [52.18271301977709]
  我々は,スムーズで安定したヒューマノイド多スキル移行のためのハイブリッド・エキスパート・ポリシー・フレームワークであるRPGを提案する。 本手法では,動き遷移のランダム化と時間的ランダム化を取り入れて,アジャイルな戦闘行動を生成する統一的な政策を訓練する。 我々は、歩行/走る移動と戦闘スキルを統合する制御パイプラインを設計し、人間のような長時間の戦闘を任意の期間で行えるようにした。
  論文  参考訳（メタデータ） (2026-04-23T07:14:35Z)
• CLOT: Closed-Loop Global Motion Tracking for Whole-Body Humanoid Teleoperation [54.7399209456857]
  閉ループグローバルモーショントラッキングを実現する,リアルタイムな人型遠隔操作システムCLOTを提案する。 CLOTはオペレータとロボットのポーズをクローズドループで同期させ、長時間のタイムホライズン上でドリフトフリーな人間-人間-ヒューマノイドの模倣を可能にする。 本研究では,報奨評価から観測軌道を分離し,スムーズで安定した大域的補正を可能にするデータ駆動ランダム化手法を提案する。
  論文  参考訳（メタデータ） (2026-02-13T12:03:13Z)
• TextOp: Real-time Interactive Text-Driven Humanoid Robot Motion Generation and Control [62.93681680333618]
  TextOpはリアルタイムテキスト駆動型ヒューマノイドモーション生成および制御フレームワークである。 ストリーミング言語コマンドと実行中のオンザフライ命令修正をサポートする。 対話型モーション生成を堅牢な全身制御でブリッジすることで、TextOpは自由形式のインテント表現をアンロックする。
  論文  参考訳（メタデータ） (2026-02-07T08:42:11Z)
• UniAct: Unified Motion Generation and Action Streaming for Humanoid Robots [27.794309591475326]
  ヒューマノイドロボティクスにおける長年の目標は、人間レベルの柔軟性を持つ多様なマルチモーダル命令に従うことができる汎用エージェントの実現である。 ここでは、微調整MLLMと因果ストリーミングパイプラインを統合した2段階のフレームワークであるUniActを用いて、500ms以下のレイテンシで、ヒューマノイドロボットがマルチモーダル命令を実行できることを示す。 提案手法は, ゼロショット追尾における不完全な参照動作の成功率を19%向上させる。
  論文  参考訳（メタデータ） (2025-12-30T16:20:13Z)

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。