論文の概要: Validation of Human Motor Development Scales with Humanoid Robots

• arxiv url: http://arxiv.org/abs/2610.25701v1
• Date: Mon, 19 Oct 2026 02:46:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 12:15:07.0279
• Title: Validation of Human Motor Development Scales with Humanoid Robots
• Title（参考訳）: ヒューマノイドロボットによる人体運動発達尺度の検証
• Abstract要約: 本研究では,ヒト乳幼児運動発達尺度で定義された一連の運動スキルをヒューマノイドロボットが学習する方法について検討する。 立ち上がりや歩行までの運動能力向上のための自己完結型ガイドとして,どの尺度が包括的かを評価する。
• 参考スコア（独自算出の注目度）: 11.50802493555463
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We investigate how humanoid robots can learn a series of motor skills defined by human infant motor development scales, and we evaluate which scales are comprehensive enough to serve as self-contained guides for developing gross motor skills up to standing and walking. We represent each motor development scale as a developmental graph that guides the training of a humanoid robot. We then apply this graph within a reinforcement learning framework so that the robot learns skills following the natural phases of human motor development described by the scale. Our work demonstrates that graphs derived from three out of four popular pediatric motor scales can successfully guide humanoid robots to develop these skills. The fourth scale misses some intermediate milestones that the other scales have, which causes some failures. After adding a missing milestone in its graph, it also enables the robot to develop those skills successfully.
• Abstract（参考訳）: ヒトの乳幼児の運動発達尺度で定義された一連の運動スキルをヒューマノイドロボットがどのように学習できるかを考察し、立ち上がりや歩行までの運動スキルを発達させるための自己完結型ガイドとして機能する程度に、どの運動が包括的であるかを評価する。 我々は,運動発達尺度をヒューマノイドロボットのトレーニングをガイドする発達グラフとして表現する。 そして、このグラフを強化学習の枠組みに応用し、ロボットが人間の運動発達の自然な段階に従ってスキルを学習できるようにする。 我々の研究は、一般的な4つの小児運動尺度のうち3つから得られたグラフが、これらのスキルを開発するためにヒューマノイドロボットをガイドできることを示した。 第4のスケールは、他のスケールが持つ中間的なマイルストーンを見逃し、いくつかの障害を引き起こします。 グラフに欠落したマイルストーンを加えたあと、ロボットはそれらのスキルをうまく開発できる。

関連論文リスト

• MuGen: Multi-Skill Generative Locomotion Controller for Humanoid Robots [23.430453709459073]
  MuGenは、ヒューマノイドロボット上でマルチスキルのロコモーションを学習し、デプロイするためのデータ駆動フレームワークである。 モデルに基づく強化学習で訓練されたベクトル量子化オートエンコーダを用いて,ロコモーションを生成的表現する。 さまざまな動作と正確な実行を通じて,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2026-05-23T14:06:06Z)
• FRoM-W1: Towards General Humanoid Whole-Body Control with Language Instructions [147.04372611893032]
  FRoM-W1は、自然言語を用いた一般的なヒューマノイド全体の動作制御を実現するために設計されたオープンソースのフレームワークである。 我々はUnitree H1とG1ロボット上でFRoM-W1を広範囲に評価した。 その結果,HumanML3D-Xベンチマークにおいて,人体全体の動作生成に優れた性能を示した。
  論文  参考訳（メタデータ） (2026-01-19T07:59:32Z)
• HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation [50.616995671367704]
  そこで本研究では,人型ロボットが器用な手を備えた,高次元シミュレーション型ロボット学習ベンチマークHumanoidBenchを提案する。 その結果,現在最先端の強化学習アルゴリズムがほとんどのタスクに支障をきたすのに対して,階層的学習アプローチはロバストな低レベルポリシーに支えられた場合,優れた性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2024-03-15T17:45:44Z)
• Surfer: Progressive Reasoning with World Models for Robotic Manipulation [51.26109827779267]
  本稿では,新しいシンプルなロボット操作フレームワークであるSurferを紹介する。 Surferは、ロボット操作を視覚シーンの状態伝達として扱い、それをアクションとシーンという2つの部分に分割する。 これは世界モデルに基づいており、ロボット操作を視覚シーンの状態伝達として扱い、アクションとシーンの2つの部分に分けられる。
  論文  参考訳（メタデータ） (2023-06-20T07:06:04Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• HERD: Continuous Human-to-Robot Evolution for Learning from Human Demonstration [57.045140028275036]
  本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。 本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-08T15:56:13Z)
• Smile Like You Mean It: Driving Animatronic Robotic Face with Learned Models [11.925808365657936]
  人間のような社会ロボットを構築するには、知的で一般化可能な表情を生成する能力が不可欠である。 顔模倣のための視覚に基づく自己教師型学習フレームワークを開発した。 本手法は, 多様な被験者に対して, 正確かつ多様な顔の模倣を可能にする。
  論文  参考訳（メタデータ） (2021-05-26T17:57:19Z)
• Learning Locomotion Skills in Evolvable Robots [10.167123492952694]
  本稿では,任意の形状のモジュール型ロボットが目標に向かって歩いたり,移動した場合にこの目標に従うことを学習できるようにするための,コントローラアーキテクチャと汎用学習手法を提案する。 我々のアプローチは、現実世界の3つのシナリオにおいて、クモ、ヤモリ、そしてその子孫の3つのロボットに対して検証されている。
  論文  参考訳（メタデータ） (2020-10-19T14:01:50Z)

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。