論文の概要: Compliant GMT: Making General Motion Tracking Compliant via Residual Reference Adaptation
- arxiv url: http://arxiv.org/abs/2610.22119v1
- Date: Thu, 15 Oct 2026 15:59:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:09:33.180058
- Title: Compliant GMT: Making General Motion Tracking Compliant via Residual Reference Adaptation
- Title（参考訳）: Compliant GMT:Residual Reference Adaptationによる一般モーショントラッキングコンピテント作成
- Abstract要約: 一般動作追跡における全体対応応答のためのモジュラーフレームワークを提案する。
既存の一般的な動作追跡ポリシーは多様な動作を模倣することができるが、厳格に訓練されている。
C-GMTは、運動追跡精度とコンプライアンス適合性の両方において競合性能を示す。
- 参考スコア（独自算出の注目度）: 15.173649109407291
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose Compliant GMT (C-GMT), a modular framework for full-body compliant responses in general motion tracking. As humanoid robots move into real world deployment, they not only need to perform any motion but also respond safely and robustly to interaction forces. Existing general motion tracking policies can imitate diverse motions but are trained to be stiff, leading to unexpected and unsafe behaviors under disturbance. Prior work in compliant humanoid control trades off compliance and generality. There exist examples of full-body compliant responses, but these are heavily curated to single-reference policies. On the other hand, general motion trackers (GMT) are trained to rigidly imitate massive motion capture datasets. Our key insight is to leverage the generality of pretrained GMTs for motion tracking while introducing compliance from a residual adapter that conditions on a history of proprioception. This enables our approach, C-GMT, to achieve both general motion tracking and whole-body compliant responses. Compared to state-of-the-art general motion trackers and single-motion compliant policies, C-GMT demonstrates competitive performance in both motion tracking accuracy and compliance adherence. We further demonstrate improved safety, robustness, and error tolerance in simulation and real-world G1 experiments.
- Abstract（参考訳）: 一般動作追跡におけるフルボディ対応応答のためのモジュラーフレームワークであるCompliant GMT(C-GMT)を提案する。
ヒューマノイドロボットが現実の世界に展開するにつれて、動きを行うだけでなく、対話力に対して安全かつ堅牢に反応する。
既存の一般的なモーショントラッキングポリシーは、多様な動きを模倣するが、硬直するように訓練され、乱れの下で予期せぬ、安全でない行動を引き起こす。
従順なヒューマノイド制御における以前の作業は、コンプライアンスと一般性をトレードオフしている。
フルボディ対応の応答の例は存在するが、これらはシングル参照ポリシーに強く適合している。
一方、GMT(General Motion Tracker)は、大規模なモーションキャプチャデータセットを厳格に模倣するように訓練されている。
我々の重要な洞察は、事前訓練されたGMTの一般性を利用して運動追跡を行い、プロプレセプションの歴史を規定した残留アダプタからのコンプライアンスを導入することである。
これにより、我々のアプローチであるC-GMTは、一般的なモーショントラッキングと全体対応応答の両方を達成することができる。
C-GMTは、最先端の一般的なモーショントラッカーやシングルモーション準拠のポリシーと比較して、モーショントラッカーの精度とコンプライアンス順守の両面での競合性能を示す。
さらに,シミュレーションおよび実世界のG1実験において,安全性,堅牢性,エラー耐性の向上を実証した。
関連論文リスト
- PGMT: Perceptive General Motion Tracking for Humanoid Robots [12.745867492642523]
PGMTは人型ロボットのためのパイプラインであり、独立に選択された運動基準と地形から地形適応を学習する。
ユニツリーG1上のゼロショット配置は、現実の地形上での堅牢な地形適応的な移動と全身の動きの実行を示す。
論文 参考訳（メタデータ） (2026-09-08T09:57:32Z) - WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation [85.15806404962193]
行動条件付き世界モデル(ACWM)は、計画、ポリシー評価、データ生成のためのスケーラブルな予測シミュレータを具現化したAIを提供することを約束する。
物理シミュレータが期待する観測能力を用いてACWMを評価する。
WorldSimProbeは、制御のバリエーション、相互作用のグラウンディングにおける構造化された障害、ダイナミックスにまたがる、システマティックなアクション実現の劣化を明らかにする。
論文 参考訳（メタデータ） (2026-08-10T08:48:06Z) - Extreme-RGMT: Continual Learning of Highly Dynamic Skills for Robust Generalist Humanoid Control [12.247654049983522]
本稿では,ロバストな汎用ヒューマノイド制御のための2段階連続学習フレームワークExtreme-RGMTを紹介する。
Extreme-RGMTは多様なマルチソースモーションデータから一般のモーショントラッキングベースポリシーを学習し、非対称なスキル獲得と能力統合機構を用いる。
実験により、Extreme-RGMTは最先端のジェネラリスト全体の運動追跡性能を達成することが示された。
論文 参考訳（メタデータ） (2026-07-22T13:10:22Z) - OmniTrack: General Motion Tracking via Physics-Consistent Reference [54.256312586493415]
OmniTrackは、一般的なモーショントラッキングから物理的実現可能性を明確に分離する一般的なトラッキングフレームワークである。
実験により、OmniTrackは追跡精度を向上し、目に見えない動きに対して強力な一般化を示すことが示された。
実世界のテストでは、OmniTrackは、フリップやカートホイールのような複雑なアクロバティックな動きを含む、1時間の長さ、一貫性、安定したトラッキングを実現している。
論文 参考訳（メタデータ） (2026-02-27T09:12:15Z) - CLOT: Closed-Loop Global Motion Tracking for Whole-Body Humanoid Teleoperation [54.7399209456857]
閉ループグローバルモーショントラッキングを実現する,リアルタイムな人型遠隔操作システムCLOTを提案する。
CLOTはオペレータとロボットのポーズをクローズドループで同期させ、長時間のタイムホライズン上でドリフトフリーな人間-人間-ヒューマノイドの模倣を可能にする。
本研究では,報奨評価から観測軌道を分離し,スムーズで安定した大域的補正を可能にするデータ駆動ランダム化手法を提案する。
論文 参考訳（メタデータ） (2026-02-13T12:03:13Z) - CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。
CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。
そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
論文 参考訳（メタデータ） (2025-12-16T18:56:04Z) - KungfuBot2: Learning Versatile Motion Skills for Humanoid Whole-Body Control [30.738592041595933]
ヒューマノイドロボットが単一ポリシーで多様な動的動作を学習できる統一された全身制御系VMSを提案する。
我々のフレームワークは、局所的な動きの忠実度とグローバルな軌道の整合性のバランスをとるハイブリッドな追跡目標を統合している。
シミュレーションと実世界の実験の両方においてVMSの特殊化を広範囲に検証し、ダイナミックスキルの正確な模倣、分長シーケンスでの安定した性能、そして目に見えない動作に対する強力な一般化を実証した。
論文 参考訳（メタデータ） (2025-09-20T11:31:14Z) - MotionGPT-2: A General-Purpose Motion-Language Model for Motion Generation and Understanding [76.30210465222218]
MotionGPT-2は、MLMLM(Large Motion-Language Model)である。
LLM(Large Language Models)によるマルチモーダル制御をサポートしている。
難易度の高い3次元全体運動生成タスクに高い適応性を持つ。
論文 参考訳（メタデータ） (2024-10-29T05:25:34Z)
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。