論文の概要: Terrain Traversal Without Motion Priors: Expert-Routed Humanoid Locomotion at Deployment Fidelity
- arxiv url: http://arxiv.org/abs/2610.14061v1
- Date: Wed, 07 Oct 2026 05:28:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 23:32:10.666533
- Title: Terrain Traversal Without Motion Priors: Expert-Routed Humanoid Locomotion at Deployment Fidelity
- Title（参考訳）: 移動を優先しないテランのトラバース: 展開の忠実さにおける専門家によるヒューマノイドロコモーション
- Abstract要約: 最先端の知覚型ヒューマノイドローコモーションは、主に再ターゲットされたモーションキャプチャー、生成前のモーション、蒸留段階に構築されている。
我々は,このパイプラインを必要とせず,ヒューマノイドが様々な地形を横断するシステムについて報告する。
- 参考スコア（独自算出の注目度）: 1.9310000212642697
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: State-of-the-art perceptive humanoid locomotion is mostly built on retargeted motion capture, a generative motion prior, and a distillation stage. We report a complete system that does not require this pipeline for a humanoid to cross varied terrain. In its place, we provide a five-expert mixture routed by a terrain classifier over a sensed elevation grid, and target every foothold with a model-based planner, refined by six closed-form-gradient steps on an interpolated terrain-cost field instead of picked from a fixed grid. Driven through the same perception-to-actuation software a robot would run, inside a second, deployment-fidelity simulator, it crosses an $85$\,m five-segment waypoint course $18$ of $20$ times end-to-end ($90\%$, Wilson $95\%$ CI $70$--$97$) and succeeds $20/20$ on four of five segments scored alone, where an ablated configuration without the mixture and without refinement reaches $0\%$ on both the stair and the hurdle segment. The continuous refinement moves $72.4\%$ of foot placements across at least one grid-cell boundary, which produces real sub-grid correction. We also ran matched component studies to report what does not account for it: one expert equals five on the training distribution, four label-free routers collapse to near-uniform activation, and a self-supervised terrain embedding loses to the privileged label.
- Abstract（参考訳）: 最先端の知覚型ヒューマノイドローコモーションは、主に再ターゲットされたモーションキャプチャー、生成前のモーション、蒸留段階に構築されている。
我々は,このパイプラインを必要とせず,ヒューマノイドが様々な地形を横断するシステムについて報告する。
そこで本研究では, 地形分類器によって推定された標高格子上にルートされた5つの実験混合物を, 固定格子から選択する代わりに, 補間された地形コスト場上の6つの閉形式勾配ステップで改良したモデルベースプランナーを用いて, 全ての足場を目標とする。
ロボットが動作させるのと同じ知覚・運動ソフトウェアで、第2のデプロイメント・フィデリティシミュレーターの中で、85ドル(約8万2000円)の5段階のコースを横切り、20ドル(約2万2000円)のエンド・ツー・エンド(約2万2000円)のコースを18ドル(約2万2000円)で横切り、20ドル(約2万2000円)で1人5つのセグメントのうち20ドル(約2万7000円)で成功します。
連続的な改良は、少なくとも1つのグリッドセル境界を越えて72.4\%のフット配置を移動し、実際のサブグリッド補正を生成する。
また,トレーニング分布の5倍,ラベルのない4つのルータがほぼ一様活性化に崩壊し,自己監督型地形埋め込みが特権ラベルに負けるという,一致したコンポーネントスタディも実施した。
関連論文リスト
- PointWalker: Mapless Quadruped Locomotion Directly From Raw LiDAR Point Clouds [7.600940520134299]
ここでは、4つの光検出・測光センサ(LiDAR)から生の点雲を直接消費する1つの強化学習ポリシーを持つマップレスフレームワークであるPointWalkerを紹介する。
ボクセル化点は線形自己アテンションによって符号化され、交差アテンションを通してプロプレセプションと融合するので、地形幾何学は地図や足場推定なしでポリシーに到達する。
Deep Robotics X30に搭載されたゼロショットは、50Hzの速度で展開され、0.8mの隙間を越え、0.8mのプラットフォームと45のスチールグレーティング階段を登り、50kgのペイロードを持ち、2.5kmの山道を完成させる。
論文 参考訳（メタデータ） (2026-10-11T11:43:05Z) - Scale-Invariant Manipulability Shape Tracking Across Heterogeneous Manipulators [11.674310487759833]
スケール不変なマニピュラの形状追跡法を提案する。
提案手法は,9.30×10-5の終端形状距離をスケールチューニングなしで達成する。
同時に作業を行う人間に対して, 提案手法は, 全4ロボットの目標となるXに沿って, 二重力の伸長形状を出力する。
論文 参考訳（メタデータ） (2026-09-29T05:56:41Z) - Decoupled Early Exits for Task-Dependent Compute Allocation in Flow-Matching VLAs [53.20313939184399]
フローマッチング型ビジョン・ランゲージ・アクション(VLA)モデルは、ジェネラリストロボット制御の潜在的な解決策として浮上している。
本稿では,バックボーン深度を$V$,アクションエキスパート深度を$A$,ステップを$D$とすることを提案する。
最適な計算予算はタスクに依存しており、様々なタスクは異なる軸と深さから恩恵を受ける。
論文 参考訳（メタデータ） (2026-09-24T11:10:00Z) - PASSAGE: Scaling Scene-Aligned Motion Learning for Perceptive Humanoid Traversal in Cluttered Environments [26.407185486574477]
PASSAGEは、ヒューマノイドトラバーサルのための知覚条件付きプランナー-トラッカーフレームワークである。
1500の散らかったシーンで100hのシーンアラインな人間の動きを収集する。
全搭載システムは、エゴセントリックな3D LiDAR認識、オンライン占有マッピング、6.25Hzの計画、50HzのJetson AGX Orin制御を統合している。
論文 参考訳（メタデータ） (2026-09-16T14:30:52Z) - PhaseShift: Topology-Aware Data Harmonization and Model Consolidation Across Signalized Intersections [7.890686084519088]
PhaseShiftは、異種道路側軌跡を共有アクター中心の表現に調和させるトポロジ対応フレームワークである。
フロリダ州の2地域の5つの交差点を,バランスの取れたフィールドデータ,100kのトレーニングウィンドウ,同規模のテストセットを用いて評価した。
論文 参考訳（メタデータ） (2026-08-26T01:22:49Z) - GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。
純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。
自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
論文 参考訳（メタデータ） (2026-08-18T18:21:36Z) - TACT-ful: Multi-Channel Terrain Affordance and Compliance Training for Payload-Robust Perceptive Humanoid Locomotion [1.3553462938197818]
構造された地形における足場選択には、接触平面性、表面急勾配、および運動的到達性に関する明確な推論が必要である。
本研究では, 平坦性, 急勾配性, 速度を考慮した高さ実現可能性と, 前方登頂報酬を組み合わせた多チャンネル地形コストを提案する。
論文 参考訳（メタデータ） (2026-06-06T10:25:13Z) - RPL: Learning Robust Humanoid Perceptive Locomotion on Challenging Terrains [53.674116167774095]
本研究では,挑戦的な地形上での多方向移動を可能にする2段階トレーニングフレームワークを提案する。
RPLは、高度マップの観察を特権化した専門家のポリシーを訓練し、分離された移動と操作のスキルを習得する。
次に、複数の深度カメラを活用して広い視野をカバーできるトランスフォーマーポリシーを作成します。
スケーラブルな深度蒸留のために、動的ロボットメッシュと静的な地形メッシュの両方に対してレイキャストを行う効率的なマルチ深度システムを開発した。
論文 参考訳（メタデータ） (2026-02-03T02:17:08Z) - 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) - Gaitor: Learning a Unified Representation Across Gaits for Real-World Quadruped Locomotion [61.01039626207952]
本稿では,移動歩行における乱れと2次元表現を学習するGaitorについて紹介する。
ゲイターの潜伏空間は容易に解釈可能であり、歩行遷移の間、新しい目に見えない歩行が出現することを発見した。
我々は,ANYmal Cプラットフォーム上でのシミュレーションと実世界におけるGaitorの評価を行った。
論文 参考訳（メタデータ） (2024-05-29T19:02:57Z)
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。