論文の概要: From Hitter to Player: Separating Motor Execution and Strategy in Competitive Humanoid Table Tennis

• arxiv url: http://arxiv.org/abs/2610.14067v1
• Date: Wed, 07 Oct 2026 12:24:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 23:29:53.099397
• Title: From Hitter to Player: Separating Motor Execution and Strategy in Competitive Humanoid Table Tennis
• Title（参考訳）: ハイターからプレイヤーへ:競争力のあるヒューマノイドテーブルテニスにおけるモーターの実行と戦略の分離
• Abstract要約: 我々は、所望の着陸目標に設定された全体モーターポリシーを訓練する。 次に,閉ループラリーの自己再生によるモータポリシーの改善を行う。 モーター・セルフプレイは、降着精度とアラリー中の法的なリターン率の両方を改善する。
• 参考スコア（独自算出の注目度）: 12.652187640438024
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Competitive humanoid table tennis requires two distinct abilities: executing a desired return and deciding where to return the ball. We separate these two problems, with the ball landing target serving as an interface between motor control and strategy. (1) We first train a whole-body motor policy conditioned on the desired landing target, which maps the target to an executable humanoid stroke through a model-based strike planner and a learned controller. (2) We then improve the motor policy through self-play in closed-loop rallies, where the robot learns to handle incoming balls generated by another player rather than only prescribed incoming balls. At this stage, the landing targets are still sampled without considering the opponent, so the policy improves its execution without learning game strategy. (3) Finally, we freeze the entire motor stack and train a stroke-level strategic policy to choose landing targets through competitive self-play. Motor self-play improves both landing accuracy and legal-return rate during rallies. More importantly, with the entire motor stack fixed, changing only the target-selection policy leads to large differences in game outcomes: the learned strategy wins 89%, 82%, and 73% of points against center, random, and away-from-opponent baselines, respectively. The learned strategy also changes where it sends the ball according to the opponent's position and the previous target, showing that self-play learns more than simply aiming at fixed "good" locations. On hardware, the same frozen execution stack and strategic interface support complete 11-point games against a recreational human opponent, including multi-stroke rallies with both forehand and backhand returns.
• Abstract（参考訳）: 競争力のあるヒューマノイドテーブルテニスは、望ましいリターンを実行し、ボールを返す場所を決定する2つの異なる能力を必要とする。 我々はこれらの2つの問題を分離し、ボールランディングターゲットは、モータ制御と戦略のインターフェースとして機能する。 1)まず,目的の着陸目標に設定された全身運動ポリシーをトレーニングし,モデルベースストライクプランナーと学習コントローラを用いて目標を実行可能なヒューマノイドストロークにマッピングする。 2) クローズドループラリーにおける自己演奏により, ロボットは, 所定の入球のみではなく, 他のプレーヤーが生成した入球を扱えるように学習する。 この段階では、ランディングターゲットは対戦相手を考慮せずにサンプリングされるので、ゲーム戦略を学習せずに実行を改善することができる。 (3)最後にモータースタック全体を凍結し、競争力のあるセルフプレイで着陸目標を選択するためのストロークレベルの戦略方針を訓練する。 モーター・セルフプレイは、降着精度とアラリー中の法的なリターン率の両方を改善する。 さらに、モータースタック全体が固定されたことにより、ターゲット選択ポリシーの変更だけでゲーム結果に大きな違いが生じる: 学習戦略は、中央、ランダム、遠方のベースラインに対して、それぞれ89%、82%、および73%のポイントを獲得している。 学習した戦略はまた、相手の位置と前の目標に応じてボールを送る場所を変え、単に固定された「良い」場所ではなく、自己プレーが学習することを示す。 ハードウェア上では、同じフリーズ実行スタックと戦略インターフェースが、フォアハンドとバックハンドの両方のリターンを持つマルチストロークラリーを含む、レクリエーション的な人間の対戦相手に対する完全な11ポイントゲームをサポートする。

関連論文リスト

• Constrained Command-Conditioned Reinforcement Learning with Bandit Strategy Selection in Real-Time Strategy Games [0.0]
  実時間戦略環境であるMicroRTSに対して,制約付き命令条件付きPPO(Proximal Policy Optimization)ポリシー(executor)を導入する。 トンプソン・サンプリングのバンディットはストラテジストとして機能し、ゲーム内観測から構築された相手の戦略の見積もりからコマンドを選択する。 同じアーキテクチャ、予算、カリキュラム、セルフプレイリーグでトレーニングされたフラットなPPOベースラインと比較して、ストラテジスト・エグゼキュータシステムは、トレーニングマップ上の4つの最強の相手のうち3つに対して、はるかに頻繁に勝利する。
  論文  参考訳（メタデータ） (2026-10-08T10:37:33Z)
• ShuttleArena: Interpretable Self-Play in Physics-Based Badminton [0.0]
  本稿では,物理ベースのシングルス・バドミントン・セルフプレイ環境であるShuttleArenaについて述べる。 このポリシーはロール条件付き出力を使用し、受信機へのマスク付きインターセプション選択と、ショットアジマス、ショットハイト、ショットスピード、リカバリターゲットに対するファクタライズされたヒットターアクションである。 凍結したチェックポイントプレイ、制御された戦術プローブ、リカバリ改善、質的ロールアウト、および人間データの健全性チェックによる評価は、競争力の向上を示している。
  論文  参考訳（メタデータ） (2026-08-26T00:07:04Z)
• Enhancing Language Agent Strategic Reasoning through Self-Play in Adversarial Games [60.213483076150844]
  本稿では,PLAY-And-Learn,SCO-PALを用いたステップレベルのポリCy最適化手法を提案する。 対戦相手を異なるレベルに設定することで、対戦相手の選択を詳細に分析し、戦略的推論を改善する最も効果的な方法が自己プレーであることを見出した。 我々は6試合でGPT-4に対して54.76%の勝利率を達成した。
  論文  参考訳（メタデータ） (2025-10-19T09:03:28Z)
• LATTE-MV: Learning to Anticipate Table Tennis Hits from Monocular Videos [6.04077629908308]
  本稿では,テーブルテニスの試合映像を3Dで再現するスケーラブルなシステムと,対戦行動を予測する不確実性認識コントローラを提案する。 本研究では,高速ヒットに対するボールリターン率を,ベースラインの非予測ポリシと比較して49.9%から59.0%に向上することを示す。
  論文  参考訳（メタデータ） (2025-03-26T19:11:22Z)
• All by Myself: Learning Individualized Competitive Behaviour with a Contrastive Reinforcement Learning optimization [57.615269148301515]
  競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。 本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。 我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2023-10-02T08:11:07Z)
• Hierarchical Reinforcement Learning for Precise Soccer Shooting Skills using a Quadrupedal Robot [76.04391023228081]
  本研究では,四足歩行ロボットが実世界において,強化学習を用いて精度の高い射撃技術を実現できるという課題に対処する。 本研究では, 深層強化学習を活用して頑健な動作制御政策を訓練する階層的枠組みを提案する。 提案するフレームワークをA1四足歩行ロボットに展開し、実世界のランダムなターゲットに向けて正確にボールを発射できるようにする。
  論文  参考訳（メタデータ） (2022-08-01T22:34:51Z)
• Coach-Player Multi-Agent Reinforcement Learning for Dynamic Team Composition [88.26752130107259]
  現実世界のマルチエージェントシステムでは、異なる能力を持つエージェントがチーム全体の目標を変更することなく参加または離脱する可能性がある。 この問題に取り組むコーチ・プレイヤー・フレームワーク「COPA」を提案します。 1)コーチと選手の両方の注意メカニズムを採用し、2)学習を正規化するための変動目標を提案し、3)コーチが選手とのコミュニケーションのタイミングを決定するための適応的なコミュニケーション方法を設計する。
  論文  参考訳（メタデータ） (2021-05-18T17:27:37Z)
• L2E: Learning to Exploit Your Opponent [66.66334543946672]
  本稿では,暗黙的対向モデリングのための新しい学習フレームワークを提案する。 L2Eは、トレーニング中に異なる相手との対話によって、相手を悪用する能力を取得する。 本稿では, 対戦相手を自動的に生成する新しい対戦相手戦略生成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-18T14:27:59Z)
• Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
  学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。 対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。 我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
  論文  参考訳（メタデータ） (2020-07-10T09:33:05Z)
• Enhanced Rolling Horizon Evolution Algorithm with Opponent Model Learning: Results for the Fighting Game AI Competition [9.75720700239984]
  本稿では,RHEA(Rolling Horizon Evolution Algorithm)と対向モデル学習を組み合わせた新しいアルゴリズムを提案する。 2019年の競争で上位5つのボットのうち、モンテカルロツリーサーチ(MCTS)を使用しないボットは、ポリシーグラディエントベースの対戦モデルによるボットのみである。
  論文  参考訳（メタデータ） (2020-03-31T04:44:33Z)

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。