論文の概要: Weakly Supervised Discovery of Motion Styles for Compositional Robot Control

• arxiv url: http://arxiv.org/abs/2610.24008v1
• Date: Thu, 15 Oct 2026 19:46:17 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:53:19.080566
• Title: Weakly Supervised Discovery of Motion Styles for Compositional Robot Control
• Title（参考訳）: 構成ロボット制御のための動作スタイルの弱めの発見
• Abstract要約: 構成ロボット制御は、独立したタスクコマンドを同時に実行しながら、選択したスタイルを維持することを目的としている。 我々は,多様な録音からコヒーレントなスタイルのレパートリーを発見し,独立したコマンドで構成する構成ロボット制御フレームワークCODESを提案する。
• 参考スコア（独自算出の注目度）: 9.680745574859532
• License:
• Abstract: When a robot possesses more degrees of freedom than a task requires, multiple trajectories can achieve the same objective using distinct motion styles. Compositional robot control aims to preserve a selected style while simultaneously executing an independent task command, effectively balancing these potentially competing objectives. In this paper, we present CODES, a framework for compositional robot control that discovers a coherent style repertoire from diverse recordings and composes it with independent commands. First, motion retargeting maps the recordings to motions executable by the target robot; next, weakly supervised consensus encoding and density-based clustering identify styles within and across recordings without a prescribed count; finally, reinforcement learning trains a policy to compose the discovered styles with independent commands. We evaluate CODES on a Unitree Go2 quadruped across two simulators and physical hardware. Compared to baselines, CODES significantly improves kinematic coherence. Furthermore, our controller successfully tracks velocity commands that generalize beyond the support of the recorded data, exhibiting robust and distinguishable style characteristics during both cross-simulator and real-world hardware deployments. Project website: https://www.proroklab.org/compositional-motion-styles/
• Abstract（参考訳）: ロボットがタスクよりも多くの自由度を持つ場合、複数の軌道は異なる動作スタイルを用いて同じ目的を達成することができる。 構成ロボット制御は、選択したスタイルを維持しつつ、同時に独立したタスクコマンドを実行し、競合する可能性のある目標を効果的にバランスさせることを目的としている。 本稿では,多様な録音からコヒーレントなスタイルのレパートリーを発見し,独立したコマンドで構成する構成ロボット制御フレームワークであるCODESを提案する。 まず、モーションリターゲティングは、記録を対象ロボットが実行可能な動作にマッピングする;次に、弱教師付きコンセンサス符号化と密度に基づくクラスタリングは、所定の回数なしで録音中のスタイルを識別する;最後に、強化学習は、発見されたスタイルを独立したコマンドで構成するポリシーを訓練する。 2つのシミュレーターと物理ハードウェアにまたがる4倍のUnitree Go2上でのCODESの評価を行った。 ベースラインと比較して、CODESはキネマティックコヒーレンスを大幅に改善する。 さらに,我々のコントローラは,記録データのサポートを超えて一般化する速度コマンドの追跡に成功し,クロスシミュレータと実世界のハードウェアデプロイメントの両方において,堅牢で識別可能なスタイル特性を示す。 プロジェクトウェブサイト:https://www.proroklab.org/compositional-motion-styles/

関連論文リスト

• KODA: Kinematics--Observation Data Alignment for Humanoid Learning from Human Egocentric Demonstration [73.0540153209998]
  ヒューマノイド全体視覚アクション(VLA)の訓練には、ロボットビューとコントローラー互換の全身状態動作ラベルを備えた高価なロボットデモが必要である。 我々は,エゴセントリックなRGBデモを,再利用可能な標準軌跡を用いて,全身のVLAトレーニングデータに変換するKODAを提案する。 我々は,4つのユニツリーG1ロコ操作タスクにおいて,SONICとHEFTの2つのボディコントローラを用いてKODAを評価する。
  論文  参考訳（メタデータ） (2026-10-15T03:08:17Z)
• OIL: An Object Interaction Layer for Humanoid Whole-Body Control [10.78987394423364]
  油は、望まれるオブジェクトの動きと接触を含むように、全身制御のキネマティックなコマンドインターフェイスを拡張するオブジェクトインタラクション層である。 この設計により、プッシュ、プル、2腕のピック・アンド・プレイス、ロコモーション・カップリング・トランスポートなど、単一の学習されたポリシーで非包括的インタラクションを実行することができる。
  論文  参考訳（メタデータ） (2026-10-01T05:12:31Z)
• SPACE: Enabling Learning from Cross-Robot Data Toward Generalist Policies [20.583080585659513]
  状態予測および適応コマンド実行(SPACE)フレームワークを紹介する。 SPACEは、異なる実施形態、同じ実施形態のハードウェアユニット、操作中の1つのロボット内での3段階のロボットダイナミクスの変動を処理します。 実験により、SPACEは異なる実施形態および同じ実施形態のハードウェアユニット間で収集されたデータから学習する際に、制御コマンドを直接予測するポリシーを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2026-06-23T01:32:40Z)
• VAIC: Vision-Guided Humanoid Agile Object Interaction Control via Decoupled Commands [56.029505206531155]
  Vision Guided Agile Interaction Control (VAIC)は、現在のコントローラとヒューマノイドロボットのギャップを埋める統合フレームワークである。 まず、特権教師政策は、正確な物体運動学と正確な環境状態を用いて多様な相互作用スキルを習得する。 第二に、デプロイ可能な学生ポリシーは、全体追跡を複数の軸にまたがる速度目標に置き換えることで、これらの能力を蒸留する。
  論文  参考訳（メタデータ） (2026-06-08T09:52:55Z)
• M3imic: Learning a Versatile Whole-Body Controller for Multimodal Motion Mimicking [45.636871702422134]
  Multi-Modal Mimicはヒューマノイドロボットのための汎用的な全身制御フレームワークである。 ロボットの関節角度、人間のポーズ軌跡、エンドエフェクターのポーズなど、異種動作参照モードを統一する。 モダリティ特異的なリトレーニングを伴わない、複数の運動基準モード間のシミュレート・トゥ・リアル転送を実現する。
  論文  参考訳（メタデータ） (2026-06-03T12:52:37Z)
• CLAW: Composable Language-Annotated Whole-body Motion Generation [55.99805728566105]
  CLAWは,言語を付加した全身運動データをスケーラブルに生成するためのパイプラインである。 CLAWは運動プランナーから運動プリミティブを構成し、動き、方向、速度、骨盤の高さ、持続時間によってパラメータ化される。 低レベルコントローラは、これらの参照を MuJoCo シミュレーションで追跡し、物理的に接地された軌道を生成する。
  論文  参考訳（メタデータ） (2026-04-13T10:02:04Z)
• Cross-Embodiment Robot Manipulation Skill Transfer using Latent Space Alignment [24.93621734941354]
  本稿では,形態の異なるロボットマニピュレータ間の制御ポリシの伝達に着目した。 主要な洞察は、ソースとターゲットロボットの状態と行動空間を共通の潜在空間表現に投影することである。 我々は、異なる状態、行動、実施形態のソースとターゲットロボットによるシム・トゥ・シム・トゥ・シム・トゥ・シム・トゥ・リアルな操作ポリシーの伝達を実証する。
  論文  参考訳（メタデータ） (2024-06-04T05:00:24Z)
• Agile and versatile bipedal robot tracking control through reinforcement learning [12.831810518025309]
  本稿では,二足歩行ロボットのための多目的コントローラを提案する。 足首と身体の軌跡を、単一の小さなニューラルネットワークを用いて広範囲の歩行で追跡する。 最小限の制御ユニットと高レベルなポリシーを組み合わせることで、高いフレキシブルな歩行制御を実現することができる。
  論文  参考訳（メタデータ） (2024-04-12T05:25:03Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)

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。