Fugu-MT 論文翻訳(概要): B-Human '26 - Scalable Team Play up to 11 vs. 11

論文の概要: B-Human '26 - Scalable Team Play up to 11 vs. 11

arxiv url: http://arxiv.org/abs/2610.14733v1
Date: Sat, 10 Oct 2026 08:53:15 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-20 12:02:09.239488
Title: B-Human '26 - Scalable Team Play up to 11 vs. 11
Title（参考訳）: B-Human '26 - 11対11までのスケーラブルなチームプレイ
Abstract要約: B-ヒューマンは2026年にヒューマノイドサッカーリーグの中部リーグで複数の競技会で優勝した。 1チームにつき3人あるいは5人のプレーヤーとの定期試合に加えて、11人のヒューマノイドロボットとデモマッチをすることで、未知の領域に進出しました。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: B-Human won multiple competitions in the Middle Division of the new Humanoid Soccer League in 2026. In addition to regular matches with three or five players per team, we ventured into uncharted territory by playing demo matches with eleven humanoid robots, highlighting the tactical flexibility of our behavior and the overall robustness of our system. As B-Human formerly competed in the Standard Platform League with robots half the size and less than a third the weight, we begin by outlining the adjustments needed for this transition. The central section of this paper details our behavior architecture, drawing on concepts from RoboCup leagues that have used 11 players for much longer.
Abstract（参考訳）: B-ヒューマンは2026年にヒューマノイドサッカーリーグの中部リーグで複数の競技会で優勝した。チームごとの3人あるいは5人のプレーヤーとの定期試合に加えて、11人のヒューマノイドロボットとデモマッチして、我々の行動の戦術的柔軟性とシステムの全体的な堅牢性を強調して、未知の領域に進出しました。 B-Humanは以前Standard Platform Leagueで、ロボットのサイズが半分、重量が3分の1以下だったので、この移行に必要な調整の概要から始めます。本稿の中央セクションでは、11人のプレーヤーをずっと長く使用してきたRoboCupリーグのコンセプトに基づいて、私たちの行動アーキテクチャを詳述する。

関連論文リスト

An LLM-Based Automatic Sportscast Solution for Robot Soccer Matches [3.228960871960554]
本稿では,RoboCupマッチのための完全自律リアルタイムスポーツコメンテータを提案する。生の追跡と自然言語生成のギャップを埋めることで、我々のニューロシンボリックアーキテクチャは、ビデオストリームから正確な統計データを抽出する。提案システムは,ライブマッチストリーミングとポストゲーム解析の両方において,統計と解説を生成することができる。
論文参考訳（メタデータ） (2026-07-16T10:27:23Z)
Seeing Together: Multi-Robot Cooperative Egocentric Spatial Reasoning with Multimodal Large Language Models [76.29781698910202]
本研究では, きめ細かい協調的空間推論のための枠組みを提案する。 SP-CoRは、動的に認識されるマルチロボットフレームサンプリング、スペクトルおよび物理誘導型ビューフュージョン、および物理に整合した即時蒸留を組み合わせた。ハビタットでは+3.87%、iGibsonでは+7.12%、微調整ベースラインでは+3.87%である。
論文参考訳（メタデータ） (2026-05-18T14:04:26Z)
GenTac: Generative Modeling and Forecasting of Soccer Tactics [66.35532694378146]
GenTacはサッカーの戦術を、連続したマルチプレイヤーの軌跡と個別の意味的な出来事のプロセスとして概念化している。対戦行動、特定のチームやリーグプレースタイル、戦略的目的など、リッチなコンテキスト条件付けをサポートする。バスケットボール、アメリカンフットボール、アイスホッケーなど、他のダイナミックチームスポーツへの一般化をうまく訓練することができる。
論文参考訳（メタデータ） (2026-04-13T17:53:49Z)
AI Gamestore: Scalable, Open-Ended Evaluation of Machine General Intelligence with Human Games [63.29377274531968]
我々はAI GameStoreを紹介した。これはスケーラブルでオープンなプラットフォームで、新しい代表的人間のゲームを合成する。 Apple App StoreとSteamのトップチャートに基づいて100のゲームを生成し、短いプレイで7つのフロンティアビジョン言語モデル(VLM)を評価します。最高のモデルは、ほとんどのゲームで人間の平均スコアの10%未満を達成し、特に世界モデルの学習、記憶、計画に挑戦するゲームに苦戦した。
論文参考訳（メタデータ） (2026-02-19T18:17:25Z)
Benchmarking Generalizable Bimanual Manipulation: RoboTwin Dual-Arm Collaboration Challenge at CVPR 2025 MEIS Workshop [120.2806035123366]
RoboTwin Dual-Arm Collaboration Challengeは、CVPR 2025の第2回MeISワークショップで行われた。ライバルは、剛性、変形性、触覚ベースのシナリオをカバーする17のデュアルアーム操作タスクに完全に取り組んだ。コンペティションの設定、タスク設計、評価方法論、重要な発見と今後の方向性について概説する。
論文参考訳（メタデータ） (2025-06-29T17:56:41Z)
Improving Dribbling, Passing, and Marking Actions in Soccer Simulation 2D Games Using Machine Learning [4.350850682297813]
ロボカップの競技会は1997年に始まり、最古のロボカップリーグとして知られている。ロボカップ2Dサッカーシミュレーションリーグ(RoboCup 2D Soccer Simulation League)は、24人の自律的なエージェントが2つのチームでプレーする、部分的に観察可能なサッカー環境である。本稿では, CYRUS(RoboCup 2021 2D Soccer Simulation Leagueのチャンピオン)の主な戦略と機能について述べる。
論文参考訳（メタデータ） (2024-01-07T07:54:26Z)
Rob\^oCIn Small Size League Extended Team Description Paper for RoboCup 2023 [0.0]
RoboCInは2019年からRoboCup Small Size Leagueに参加し、2022年に初めて世界タイトルを獲得した(ディビジョンB)。本稿では,フランス・ボルドーのRoboCup 2023において,SSL(Small Size League)ディビジョンBを防衛するための改良について述べる。
論文参考訳（メタデータ） (2023-07-19T14:58:30Z)
Observation Denoising in CYRUS Soccer Simulation 2D Team For RoboCup 2023 [7.658318240235567]
本稿では,RoboCup 2021のチャンピオンであるCYRUSサッカーシミュレーション2Dチームの最新の研究について述べる。長寿命メモリネットワーク(LSTM)とディープニューラルネットワーク(DNN)を利用した私たちの認知的アイデアについて説明する。
論文参考訳（メタデータ） (2023-05-27T20:46:33Z)
Mastering the Game of No-Press Diplomacy via Human-Regularized Reinforcement Learning and Planning [95.78031053296513]
ノープレス外交(No-press Diplomacy)は、協力と競争の両方を含む複雑な戦略ゲームである。我々は、人間の模倣学習ポリシーに対する報酬最大化ポリシーを規則化する、DiL-piKLと呼ばれる計画アルゴリズムを導入する。 RL-DiL-piKLと呼ばれる自己再生強化学習アルゴリズムに拡張可能であることを示す。
論文参考訳（メタデータ） (2022-10-11T14:47:35Z)
Learning to Play Soccer by Reinforcement and Applying Sim-to-Real to Compete in the Real World [1.3114165111679479]
本研究は, IEEE Very Small Size Soccer (VSSS) における実サッカーロボットの完全制御のための強化学習(RL)の適用性を示す。 VSSSリーグでは、3つの小さなロボットの2つのチームが互いに対戦します。本研究では、連続的または離散的な制御ポリシーを訓練できるシミュレーション環境と、得られたポリシーを用いて現実世界のロボットを制御できるようにするSim-to-Real法を提案する。
論文参考訳（メタデータ） (2020-03-24T20:23:18Z)

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。