論文の概要: Continual Humanoid Motion Learning

• arxiv url: http://arxiv.org/abs/2610.04231v1
• Date: Sat, 03 Oct 2026 02:45:37 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 20:55:57.717104
• Title: Continual Humanoid Motion Learning
• Title（参考訳）: 連続したヒューマノイド運動学習
• Abstract要約: ヒューマノイド全体のコントローラーは、様々なダイナミックモーションを追跡できるが、通常はオフラインでトレーニングされ、凍結される。 本研究では,過去のデータを再考することなく,連続的なタスクストリームからスキルを習得しなければならないヒューマノイド全体動作の連続学習について検討する。 そこで我々は,建設による破滅的な忘れ込みを防止する,プログレッシブニューラルネットワーク(PNN)ポリシーであるSimisity-guided LoRA-PNNを紹介する。
• 参考スコア（独自算出の注目度）: 24.827319719793547
• License:
• Abstract: Humanoid whole-body controllers can now track a diverse set of dynamic motions, but they are typically trained offline and then frozen, so teaching such a controller a new skill tends to erode the skills it already mastered. We study continual learning for humanoid whole-body motion, where a single controller must acquire skills from a sequential task stream without revisiting past data. We introduce Similarity-guided LoRA-PNN, a progressive neural network (PNN) policy that prevents catastrophic forgetting by construction while reusing knowledge across skills through lightweight low-rank adaptation. A two-level motion-similarity measure, built from dynamic time warping aggregated by optimal transport, decides which prior skill to build on and how much new capacity to allocate, yielding strong forward transfer and large efficiency gains. Across six sequentially learned skill categories, our similarity-guided LoRA policy attains the best forward transfer (0.125 vs. 0.079) and the highest average accuracy among all methods, while saving up to 94.5% of trainable parameters and 40.8% of training time. The resulting controller reaches 96.13% sim-to-sim transfer and is deployed on a physical Unitree G1. Our code is available at https://anonymous.4open.science/r/continual-humanoid-learning-35D3.
• Abstract（参考訳）: ヒューマノイド全体のコントローラーは、様々なダイナミックな動きを追跡することができるが、通常はオフラインで訓練され、その後凍結される。 本研究では,過去のデータを再考することなく,連続的なタスクストリームからスキルを習得しなければならないヒューマノイド全体動作の連続学習について検討する。 低ランク適応による知識の再利用を図りながら、建設による破滅的な忘れ込みを防ぐ、プログレッシブニューラルネットワーク(PNN)ポリシーであるSimisity-guided LoRA-PNNを導入する。 最適な輸送によって集約された動的時間ワープから構築された2段階の運動類似度尺度は、どの先行技術と、どれくらい新しい能力が割り当てられるかを決定し、強力な転送と大きな効率向上をもたらす。 6つのシーケンシャルに学習したスキルカテゴリの中で、我々の類似性を示すLoRAポリシーは、トレーニング可能なパラメータの94.5%とトレーニング時間の40.8%を節約しながら、すべてのメソッドの中で最高の転送(0.125 vs. 0.079)と最高の平均精度を達成する。 コントローラは96.13%のsim-to-sim転送に到達し、物理のUnitree G1にデプロイされる。 私たちのコードはhttps://anonymous.4open.science/r/continual- Humanoid-learning-35D3で公開されています。

関連論文リスト

• Beyond Specialization: Robust Reinforcement Learning Navigation via Procedural Map Generators [1.8454901862917816]
  ナビゲーション性を保証する4つのジェネレータを,LiDARナビゲーションのトレーニング効率を重視した2次元シミュレータであるMuRoSimに統合する。 5つのナビゲーションポリシーを3つのトレーニングシードで1ジェネレータあたり1000個のシードマップで横断的に評価する。 厳密なレイアウトで訓練された専門家は迷路で3.3%成功し、ジェネレータの組み合わせで訓練されたポリシーは91.5+/- 1.1%成功を意味している。
  論文  参考訳（メタデータ） (2026-05-04T12:28:16Z)
• Switch: Learning Agile Skills Switching for Humanoid Robots [62.14433450799811]
  階層的なマルチスキルシステムであるSwitchを導入し、いつでもシームレスなスキル移行を可能にします。 提案手法は,(1)マルチスキル動作データ内の運動の類似性に基づいて,潜在的なクロススキル遷移を確立するスキルグラフ,(2)深い強化学習を通じて,このスキルグラフ上で訓練された全身追跡ポリシー,(3)堅牢なスキル実行とスムーズな移行のためのトラッキングポリシを駆動するオンラインスキルスケジューラの3つの重要な構成要素から構成される。
  論文  参考訳（メタデータ） (2026-04-16T10:11:28Z)
• 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)
• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• 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)
• Complex Locomotion Skill Learning via Differentiable Physics [30.868690308658174]
  微分物理学は、ニューラルネットワーク(NN)コントローラの効率的な最適化を可能にする。 本稿では,複雑度と多様性を著しく向上したタスクが可能な統一NNコントローラを出力する実践的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-06T04:01:12Z)
• Generative Adversarial Imitation Learning for End-to-End Autonomous Driving on Urban Environments [0.8122270502556374]
  GAIL(Generative Adversarial Imitation Learning)は、報酬関数を明示的に定義することなくポリシーを訓練することができる。 両モデルとも,訓練終了後に開始から終了まで,専門家の軌道を模倣できることを示す。
  論文  参考訳（メタデータ） (2021-10-16T15:04:13Z)

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。