論文の概要: Test-Time Compute for Humanoid Behavior Foundation Models

• arxiv url: http://arxiv.org/abs/2610.14896v1
• Date: Sat, 10 Oct 2026 13:19:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.128698
• Title: Test-Time Compute for Humanoid Behavior Foundation Models
• Title（参考訳）: ヒューマノイド行動基礎モデルのためのテスト時間計算
• Abstract要約: テスト時間コマンド最適化(TTCO)を導入し、入力コマンドを特定のBFMに適応させて、所望の動作に近い実行軌道を生成する。 AMASSデータセット上の3つのBFMを通して、TTCOは平均的な世界的体位誤差をシミュレーションで79～84%削減する。 第3に、TTCOは、オリジナルの遠隔操作体動コマンドを必要とせずに、記録されたロボット軌道からBFM固有のアクションラベルを生成することができる。
• 参考スコア（独自算出の注目度）: 28.589347828379644
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Humanoid Behavior Foundation Models (BFMs) can execute impressive motions, but downstream applications such as loco-manipulation demand high whole-body positional accuracy. Existing BFMs suffer from a systematic command-execution gap, where executed motions deviate from desired ones. We show that additional test-time compute can improve execution without retraining the BFM. First, we introduce Test-Time Command Optimization (TTCO), which adapts the input command to the specific BFM to produce an executed trajectory closer to the desired motion. TTCO finds such commands by sampling-based optimization through closed-loop simulations of the BFM and robot dynamics. Across three BFMs on the AMASS dataset, TTCO reduces mean global body-position error by 79-84% in simulation. Second, we analyze test-time compute scaling and derive an approximate compute-optimal strategy that can sustain performance gains as the compute budget increases. Third, TTCO can generate BFM-specific action labels from recorded robot trajectories without requiring the original teleoperation body-motion commands. Simulation and real-robot experiments show that these labels are effective for training high-level loco-manipulation policies. This method also supports reusing existing demonstrations across BFMs.
• Abstract（参考訳）: ヒューマノイド行動基礎モデル(BFM)は印象的な動作を行うことができるが、ロコマニピュレーションのような下流の応用は全体位置の精度を高く要求する。 既存のBFMは、実行された動作が所望の動作から逸脱する、系統的なコマンド実行ギャップに悩まされる。 BFMを再トレーニングすることなく、追加のテスト時間計算により実行が改善できることが示される。 まず、入力コマンドを特定のBFMに適応させ、所望の動作に近い実行軌道を生成するTTCO(Test-Time Command Optimization)を導入する。 TTCOは、BFMとロボットダイナミクスのクローズドループシミュレーションを通じてサンプリングベースの最適化によってそのようなコマンドを見つける。 AMASSデータセット上の3つのBFMを通して、TTCOは平均的な世界的体位誤差をシミュレーションで79～84%削減する。 第二に、テスト時間計算のスケーリングを分析し、計算予算が増加するにつれて性能向上を維持できる近似的な計算最適戦略を導出する。 第3に、TTCOは、オリジナルの遠隔操作体動コマンドを必要とせずに、記録されたロボット軌道からBFM固有のアクションラベルを生成することができる。 シミュレーションおよび実ロボット実験により、これらのラベルは高レベルのロコ操作ポリシーのトレーニングに有効であることが示された。 この方法は、既存のBFM間でのデモの再利用もサポートする。

関連論文リスト

• FBFM: A Training-Free Asynchronous Feedback Mechanism for Flow-Matching in World-Action Models Execution [50.18922379062543]
  フィードバックフローマッチング(Feedback Flow Matching, FBFM)は、アクティブに生成されたチャンク内で再接地を行うトレーニング不要な推論機構である。 トレーニング不要であるため、このメカニズムは予期せぬ事象に対する応答性を改善し、長時間の作業におけるドリフトを抑制する。 我々は,FBFMを第2世代WAMと第2世代WAMの両方で評価した。
  論文  参考訳（メタデータ） (2026-07-31T10:11:09Z)
• ELASTIC: Efficiently Learning to Adaptively Scale Test-Time Compute for Generative Control Policies [36.28264388380867]
  ジェネレーティブコントロールポリシー(GCP)は、ロボット制御におけるテストタイムスケーリングを可能にする。 テスト時間計算はシーケンシャルスケーリングと並列スケーリングの2つの軸に沿って割り当てることができる。 GCPの状態依存型テスト時間計算スケジュールを学習するアルゴリズムであるELASTICを提案する。
  論文  参考訳（メタデータ） (2026-06-30T05:00:32Z)
• Normalizing Flow-Enhanced Message Passing for Multirobot Collaborative Localization [22.194428100020485]
  本稿では,協調的なローカライゼーションを分散的に実現するための新しいメッセージパッシング(MP)アルゴリズムを提案する。 このアルゴリズムはガウス的信念伝播(GBP)と平均場(MF)近似を統一し、GBPはロボットの状態間の依存関係を保ち、MFはノイズ統計を推定できる。 自動運転車(ASV)のシミュレーションと実験により、精度、堅牢性、適応性が改善された。
  論文  参考訳（メタデータ） (2026-06-29T07:04:56Z)
• Unbiased Dynamic Pruning for Efficient Group-Based Policy Optimization [60.87651283510059]
  Group Relative Policy Optimization (GRPO) はLLM推論を効果的にスケールするが、計算コストは禁じている。 本研究では,非バイアス勾配推定を保ちながら動的プルーニングを可能にする動的プルーニングポリシー最適化(DPPO)を提案する。 刈り込みによって引き起こされるデータの空間性を軽減するため,ウィンドウベースの欲求戦略であるDense Prompt Packingを導入する。
  論文  参考訳（メタデータ） (2026-03-04T14:48:53Z)
• Optimistic Task Inference for Behavior Foundation Models [36.02038435371954]
  OpTI-BFMは、タスク推論のためのデータ収集においてBFMを導く楽観的な決定基準である。 我々は、確立されたゼロショットベンチマーク上でOPTI-BFMを評価し、後継機能ベースのBFMが未知の報酬関数を識別し、最適化することができることを観察した。
  論文  参考訳（メタデータ） (2025-10-23T06:36:18Z)
• Feedback-MPPI: Fast Sampling-Based MPC via Rollout Differentiation -- Adios low-level controllers [0.9674641730446749]
  モデル予測経路積分制御は、複雑なロボット作業に適したサンプリングベースの強力なアプローチである。 本稿では,勾配型MPCの感度から得られる頑健なフィードバックゲインを紹介する。 2つのロボットプラットフォームにおける実環境実験によるシミュレーションにおけるF-MPPIの有効性を実証する。
  論文  参考訳（メタデータ） (2025-06-17T07:47:33Z)
• Can Test-Time Scaling Improve World Foundation Model? [67.82670175383761]
  我々は世界基盤モデル(WFM)に適したテストタイムスケーリングフレームワークであるSWIFTを紹介する。 SWIFTは、高速トークン化、確率ベースのTop-Kプルーニング、効率的なビームサーチを含むプロセスレベルの推論戦略とWFM評価ツールキットを統合した。 その結果,テストタイムスケーリング法則はWFMに対して有効であり,SWIFTはモデルサイズを調整・増大させることなく,WFM推論を改善するためのスケーラブルで効果的な経路を提供することがわかった。
  論文  参考訳（メタデータ） (2025-03-31T17:07:37Z)
• 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)
• Learning Control from Raw Position Measurements [13.79048931313603]
  VF-MC-PILCOというモデルベース強化学習(MBRL)アルゴリズムを提案する。 速度を直接測定できない機械システムに適用するために特別に設計されている。
  論文  参考訳（メタデータ） (2023-01-30T18:50:37Z)

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。