Fugu-MT 論文翻訳(概要): I-BFM: Reward-Conditioned Robust Humanoid Interaction via Unsupervised Reinforcement Learning

論文の概要: I-BFM: Reward-Conditioned Robust Humanoid Interaction via Unsupervised Reinforcement Learning

arxiv url: http://arxiv.org/abs/2610.06129v1
Date: Mon, 05 Oct 2026 11:01:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-09 18:30:27.490264
Title: I-BFM: Reward-Conditioned Robust Humanoid Interaction via Unsupervised Reinforcement Learning
Title（参考訳）: I-BFM: 教師なし強化学習によるリワード・コンディション付きロバスト・ヒューマノイドインタラクション
Abstract要約: 我々は,ヒューマノイド-物体相互作用のための最初のBFMについて,我々の知る限りI-BFMを紹介する。 I-BFMは、ヒューマノイド、オブジェクト、およびそれらの接触間の結合力学の共有表現を学習する。単一のI-BFMポリシーは、キャリー、プッシュ、キックを行うと同時に、ゴール到達、モーショントラッキング、スタイリスティックコントロール、ロングホライゾンタスクチェーンをサポートする。
参考スコア（独自算出の注目度）: 17.83158113912257
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Behavioral foundation models (BFMs) have recently shown that a single humanoid policy can support diverse whole-body control, but extending such generality to physical interaction remains challenging. We introduce I-BFM, to our knowledge the first BFM for humanoid-object interaction. Rather than relying on task-specific policies or reference tracking, I-BFM learns a shared representation of the coupled dynamics among the humanoid, objects, and their contacts using forward-backward representations and unsupervised reinforcement learning. Given a downstream task reward, the same policy can be directly conditioned on a latent command to execute closed-loop interaction without task-specific policy optimization. To improve interaction control over different time scales, we further train the policy with both short-horizon interaction targets and longer-horizon goal targets. A single I-BFM policy performs carrying, pushing, and kicking, while also supporting goal reaching, motion tracking, stylistic control, and long-horizon task chaining. More importantly, it remains effective after large deviations from nominal execution: on Carry, I-BFM achieves 94.3% nominal success and retains 89.3% success after robot falls, compared with 1.3% for a planning-based baseline. Real-world experiments on a Unitree G1 further demonstrate diverse loco-manipulation behaviors, rapid recovery from interaction failures and external disturbances, and task chaining without task-specific retraining.
Abstract（参考訳）: 行動基礎モデル(BFM)は、最近、単一のヒューマノイドポリシーが多様な全身制御をサポートできることを示したが、そのような一般化を物理的相互作用に拡張することは依然として困難である。我々は,ヒューマノイド-物体相互作用のための最初のBFMについて,我々の知る限りI-BFMを紹介する。タスク固有のポリシーや参照追跡に頼るのではなく、I-BFMは、前向きの表現と教師なしの強化学習を用いて、ヒューマノイド、オブジェクト、およびそれらの接触間の結合力学の共有表現を学習する。ダウンストリームタスクの報酬が与えられた場合、タスク固有のポリシー最適化なしでクローズドループインタラクションを実行するために、遅延コマンドで同じポリシーを直接条件付けすることができる。異なる時間スケールでのインタラクション制御を改善するため,短時間のインタラクション目標と長期の目標目標の両方を用いてポリシーをさらに訓練する。単一のI-BFMポリシーは、キャリー、プッシュ、キックを行うと同時に、ゴール到達、モーショントラッキング、スタイリスティックコントロール、ロングホライゾンタスクチェーンをサポートする。キャリーでは、I-BFMは94.3%の成功を達成し、ロボットが落下した後も89.3%の成功を保ち、計画ベースのベースラインでは1.3%である。ユニツリーG1における実世界の実験では、多様なロコ操作の挙動、相互作用障害からの迅速な回復、外部障害、タスク固有のリトレーニングなしでのタスク連鎖がさらに実証されている。

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)
ReactiveBFM: Reactive Closed-Loop Motion Planning Towards Universal Humanoid Whole-Body Control [54.267632784131415]
ReactiveBFMは、ヒューマノイドのためのリアルタイムループ計画制御フレームワークである。定期的なプレフィックスサンプリングカリキュラムを通じて、致命的な累積露光バイアスを軽減する。これは、テキスト条件付きクローズドループ運動の膨大なレパートリーにおいて、前例のない物理的機敏さを示す。
論文参考訳（メタデータ） (2026-06-29T14:27:27Z)
Improving Robotic Generalist Policies via Flow Reversal Steering [92.97477771370428]
汎用ポリシーは多様なロボットデータセットから幅広いスキルを学ぶことができる。新しい課題を解決し、改善するためには、ポリシーのリッチな振る舞いから適切なアクションを推論し、呼び出す方法が必要です。本稿では,フローリバーサルステアリング (FRS) を提案し,フローポリシーを逆に通すことで,最適だが合理的な動作をとる手法を提案し,それらを一般の動作モードにマッピングする。
論文参考訳（メタデータ） (2026-06-11T17:59:45Z)
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)
RoboClaw: An Agentic Framework for Scalable Long-Horizon Robotic Tasks [28.827331437876452]
データ収集、ポリシー学習、タスク実行を単一のVLM駆動コントローラで統合するエージェントロボットフレームワークであるRoboClawを提案する。ポリシーレベルでは、RoboClaw氏はEntangled Action Pairs(EAP)を紹介している。デプロイ中、同じエージェントが高レベルの推論を行い、学習されたポリシープリミティブを動的にオーケストレーションして長期のタスクを遂行する。
論文参考訳（メタデータ） (2026-03-12T05:22:59Z)
Generalizing from References using a Multi-Task Reference and Goal-Driven RL Framework [12.131501436717969]
本研究では,人間の動作からヒューマノイドの動作を学習するためのマルチタスク強化学習フレームワークを提案する。単一の目標条件付きポリシーは、同じ観測空間と行動空間を共有する2つのタスクで共同で訓練される。これらの目的を共通の定式化内で協調最適化することにより、このポリシーは、密集した基準監督から構造化された人間のような運動スキルを取得する。
論文参考訳（メタデータ） (2026-02-23T21:25:06Z)
Learning-based Cooperative Robotic Paper Wrapping: A Unified Control Policy with Residual Force Control [11.21445976755808]
本稿では,大規模言語モデルを用いた高レベルタスクプランナと,低レベルのハイブリッド模倣学習と強化学習ポリシを統合した学習ベースフレームワークを提案する。中心となるのは、人間のデモンストレーションから統一されたポリシーを学ぶサブタスク認識ロボットトランスフォーマー(START)である。統一型トランスフォーマーベースのポリシーは、特殊なモデルの必要性を減らし、制御された人間の監督を可能にし、変形可能なオブジェクト操作に必要なきめ細かい力制御によって、高レベルの意図を効果的に橋渡しすることを示す。
論文参考訳（メタデータ） (2025-11-05T04:55:35Z)
OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction [76.44108003274955]
ヒューマノイドロボットの複雑なスキルを教えるための主要なパラダイムは、強化学習ポリシーの運動学的参照として人間の動きを再ターゲットすることである。インタラクションメッシュに基づくインタラクション保存データ生成エンジンであるOmniRetargetを紹介する。人間のメッシュとロボットメッシュの間のラプラシアの変形を最小限にすることで、OmniRetargetは運動学的に実現可能な軌道を生成する。
論文参考訳（メタデータ） (2025-09-30T17:59:02Z)
Zero-Shot Adaptation of Behavioral Foundation Models to Unseen Dynamics [42.446740732573296]
行動基礎モデル(BFM)は、任意のタスクに対してゼロショットでポリシーを作成することに成功した。ここでは,BFMファミリーの手法の1つであるフォワード・バックワード(FB)表現が,異なるダイナミクスを区別できないことを示す。本稿では,ゼロショット適応を大幅に促進するトランスフォーマーに基づく信念推定器を備えたFBモデルを提案する。
論文参考訳（メタデータ） (2025-05-19T14:12:19Z)

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。