論文の概要: MASkillBlender: Decentralized Whole-Body Coordination for Multi-Humanoid Loco-Manipulation via Skill Blending
- arxiv url: http://arxiv.org/abs/2610.01102v1
- Date: Thu, 01 Oct 2026 05:42:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.921296
- Title: MASkillBlender: Decentralized Whole-Body Coordination for Multi-Humanoid Loco-Manipulation via Skill Blending
- Title（参考訳）: MASkillBlender: スキルブレンディングによるマルチヒューマノイドロコマニピュレーションのための分散ボディコーディネーション
- Abstract要約: コーディネートされたマルチヒューマノイドのロコ操作は、高次元全体の制御、分散意思決定、拡張性のために、まだ挑戦的である。
分散化されたマルチヒューマノイド全体の協調を実現するための汎用マルチエージェント強化学習フレームワークMASkillBlenderを提案する。
- 参考スコア（独自算出の注目度）: 20.483786193111342
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coordinated multi-humanoid loco-manipulation is promising yet challenging due to high-dimensional whole-body control, decentralized decision making, and scalability. While recent reinforcement learning methods have improved single-humanoid whole-body control, extending them to the multi-humanoid setting remains nontrivial and often requires substantial reward engineering or task-specific design. We propose MASkillBlender, a general multi-agent reinforcement learning framework to achieve decentralized multi-humanoid whole-body coordination. By learning a shared decentralized high-level policy over reusable pre-trained single-humanoid skills, MASkillBlender enables coordinated behaviors using only task-level rewards, without requiring task-specific motion references. To improve learning efficiency, we further introduce a permutation-based data augmentation strategy for homogeneous multi-humanoid systems, and theoretically show that the permuted samples preserve the policy-gradient direction of the original samples under the homogeneous Markov game formulation. We evaluate MASkillBlender on multiple multi-humanoid coordination tasks across two humanoid embodiments. Simulation results demonstrate that the proposed framework consistently achieves strong task performance and enables coordinated behaviors across different tasks and humanoid embodiments.
- Abstract（参考訳）: コーディネートされたマルチヒューマノイドのロコ操作は、高次元全体の制御、分散意思決定、拡張性のために、まだ挑戦的である。
最近の強化学習法では、シングルヒューマノイド全体の制御が改善されているが、それらを多ヒューマノイド設定に拡張することは簡単ではないままであり、しばしば相当な報酬工学やタスク固有の設計を必要とする。
分散化されたマルチヒューマノイド全体の協調を実現するための汎用マルチエージェント強化学習フレームワークMASkillBlenderを提案する。
MASkillBlenderは、再利用可能なシングルヒューマノイドスキルに関する共有の分散された高レベルポリシーを学ぶことで、タスク固有の動作参照を必要とせず、タスクレベルの報酬のみを使用して協調的な行動を可能にする。
学習効率を向上させるため,同質なマルチヒューマノイドシステムに対する置換に基づくデータ拡張戦略を導入し,同質なマルコフゲーム定式化の下で,置換されたサンプルが元のサンプルの方針順に保存されていることを理論的に示す。
マルチヒューマノイド協調作業におけるMASkillBlenderの評価を行った。
シミュレーションの結果,提案するフレームワークは高いタスク性能を一貫して達成し,異なるタスクやヒューマノイドの実施形態をまたいだ協調動作を可能にすることが示された。
関連論文リスト
- Scaling Behavior Foundation Model for Humanoid Robots [77.31115920959364]
行動基礎モデル(BFM)は、大規模な行動データを活用することで課題に対処する有望なソリューションとして登場した。
提案手法は制御忠実度とタスク一般化の大幅な改善をもたらすことを示す。
これらの結果は、BFMをスケーラブルで汎用的なヒューマノイド制御の原則的かつ効果的な基盤として確立する。
論文 参考訳（メタデータ） (2026-07-16T16:08:27Z) - HumanoidArena: Benchmarking Egocentric Hierarchical Whole-body Learning [38.43380992093738]
我々は,自己中心型階層型全身学習のためのシミュレーションファーストベンチマークであるHumanoidArenaを紹介する。
高レベルのポリシーは、エゴセントリックなビジョン、プロプレセプション、命令をコンパクトな全身アクションに変換し、その後低レベルのGMTによって実行される。
実験により、階層制御により、学習したポリシーが多様な脚クリティカルな相互作用を解決できることが示されているが、性能はトラッカー条件が強く、GMT間移動は脆弱である。
論文 参考訳（メタデータ） (2026-06-16T12:01:31Z) - HumanoidMimicGen: Data Generation for Loco-Manipulation via Whole-Body Planning [52.022681285103126]
我々はHumanoid MimicGenについて述べる。
本手法は,少数の実演から新しい状態へ,接触に富んだ全身スキルを適応させる。
我々は、HumanoidMimicGenが生成したデータと協調してトレーニングされた全身ビズモータポリシーが、実世界のデータでのみトレーニングされたものよりも20%優れていたことを示す。
論文 参考訳（メタデータ） (2026-05-26T21:57:11Z) - SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy [59.86199649493784]
制御可能な協調的ヒューマノイド操作は、インボディードインテリジェンスにとって根本的な問題である。
スケーラブルで物理的に妥当な協調操作を可能にするフレームワークであるSynAgentを提案する。
実験では、SynAgentは協調模倣と軌道条件制御の両方において既存のベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-04-20T17:46:20Z) - Tree Learning: A Multi-Skill Continual Learning Framework for Humanoid Robots [1.282675419968047]
本稿では,ヒューマノイドロボットのためのマルチスキル連続学習フレームワークであるTree Learningを提案する。
このフレームワークはルートブランチの階層的パラメータ継承機構を採用し、分岐スキルの動作先を提供する。
スキルコンバージェンスを促進するために,タスクレベルの報酬形成戦略も提案されている。
論文 参考訳（メタデータ） (2026-04-14T15:57:27Z) - PCHC: Enabling Preference Conditioned Humanoid Control via Multi-Objective Reinforcement Learning [50.63196995993855]
多目的強化学習(MORL)を活用してPCHC(Preference-Conditioned Humanoid Control)を実現する新しいフレームワークを提案する。
当社のフレームワークは、単一の嗜好条件のポリシーを多種多様な行動を示すために有効である。
論文 参考訳（メタデータ） (2026-03-25T07:55:37Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳（メタデータ） (2026-03-03T18:59:29Z) - Coordinated Humanoid Manipulation with Choice Policies [43.635012621027904]
本稿では,モジュール型遠隔操作インタフェースとスケーラブルな学習フレームワークを組み合わせたシステムを提案する。
Choice Policy(選択ポリシー)は、複数の候補アクションを生成し、それらを評価することを学ぶ模倣学習アプローチである。
我々は,食器洗い機をロードする2つの現実的タスクと,ホワイトボードワイピングのための全身ロコ操作に関するアプローチを検証した。
論文 参考訳（メタデータ） (2025-12-31T18:59:53Z) - SkillBlender: Towards Versatile Humanoid Whole-Body Loco-Manipulation via Skill Blending [79.83865372778273]
SkillBlenderは、多目的なヒューマノイドロコ操作のための新しい階層的強化学習フレームワークである。
SkillBlenderは、まずゴール条件付きタスク非依存のプリミティブスキルを事前訓練し、その後、これらのスキルを動的にブレンドして複雑なロコ操作タスクを達成する。
また,3つのエボディメント,4つのプリミティブスキル,8つの難解なロコ操作タスクを含む並列的,クロスエボディメント,多種多様なシミュレーションベンチマークであるSkillBenchを紹介した。
論文 参考訳（メタデータ） (2025-06-11T03:24:26Z)
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。