論文の概要: Delay Randomization Widens the Delay Margin of Learned Humanoid Motion Trackers
- arxiv url: http://arxiv.org/abs/2610.32277v1
- Date: Fri, 23 Oct 2026 07:35:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.421631
- Title: Delay Randomization Widens the Delay Margin of Learned Humanoid Motion Trackers
- Title（参考訳）: 学習したヒューマノイドモーショントラッカーの遅延誤差を拡大する遅延ランダム化
- Abstract要約: モノクロビデオから得られた5つの動きに基づいて24関節ヒューマノイドの動作追跡ポリシーを訓練する。
すべてのポリシーは、トレーニングランダム化の下で、少なくとも30エピソード中26エピソードでその動作を完了します。
トレーニング中の遅延(0 - 50 ms)のランダム化は、平均で40 msから95%(75% - 100%)の生存率を持ち上げ、マージンを50 - 70 msに移動させる。
- 参考スコア（独自算出の注目度）: 3.3965115081590436
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Learned humanoid controllers are usually trained in one simulator and then checked in a second one before they go near hardware. We ask what that check says about command delay. We train motion-tracking policies for a 24-joint humanoid on five motions taken from monocular video and test them in an independent CPU MuJoCo harness, which we first verify against the training model. Every policy completes its motion in at least 26 of 30 episodes under the training randomization. With 40 ms of constant command delay, however, survival drops to 15% on average (0% - 45%), and the delay margin is only 20 - 30 ms. Randomizing the delay during training (0 - 50 ms) lifts survival at 40 ms to 95% on average (75% - 100%) and moves the margin to 50 - 70 ms. A control arm trained for the same number of extra iterations without delay does not improve, so the gain comes from the randomization itself. This holds for all five motions with three training seeds each, and a policy trained in PhysX behaves the same way. The price is slightly looser tracking (0.02 - 0.06 rad on four motions) and, for the most dynamic motion, less robustness to other perturbations. We also show that the first sim-to-sim gap we saw came from the harness, a missing floor and a wrong timestep, and not from the physics engines. The 0 - 20 ms delay ranges common in locomotion training lie inside the margin an unrandomized tracker already has. The benefit comes from randomizing beyond it, so the range should be set from the robot's measured latency, and delay margin belongs next to other sim-to-sim metrics.
- Abstract（参考訳）: 学習されたヒューマノイドコントローラーは通常、1つのシミュレーターでトレーニングされ、ハードウェアに近づく前に2番目のシミュレーターでチェックされる。
そのチェックがコマンド遅延について何を言っているか尋ねる。
我々は、モノクロビデオから5つのモーションで24関節ヒューマノイドの動作追跡ポリシーをトレーニングし、それらを独立したCPU MuJoCo ハーネスでテストし、トレーニングモデルに対して最初に検証する。
すべてのポリシーは、トレーニングランダム化の下で、少なくとも30エピソード中26エピソードでその動作を完了します。
トレーニング中の遅延(0～50ms)のランダム化は、平均40msから95%(75%～100%)の生存率を持ち上げ、マージンを50～70msに移動させる。
これは5つの運動をそれぞれ3つの訓練種で保持し、PhysXで訓練されたポリシーも同様に振る舞う。
価格はわずかに緩く(4つの動きで0.02 - 0.06 rad)、最もダイナミックな動きに対して、他の摂動に対する頑丈さは少ない。
また、最初に見たシミュレートとシミュレートのギャップは、ハーネス、フロアの欠如、タイムステップの誤りによるものであり、物理エンジンによるものではないことも示しています。
0msから20msまでの遅延範囲は、既にランダム化されていないトラッカーが保持しているマージン内にある。
利点は、その範囲をロボットの計測遅延から設定し、遅延マージンは、他のsim-to-simメトリクスの隣に置かれることである。
関連論文リスト
- Retiming Robot Demonstrations with a Learned Speed Prior [13.740124666041423]
大規模な実演データから直接、速度を学習する。
トレーニング済みのスピードは、コーパス内のすべてのタスクをカバーします。
120のRoboLabタスクでは、学習したクロックに微調整されたポリシーがより頻繁に成功し、最大半分で動きます。
論文 参考訳（メタデータ） (2026-10-23T14:15:31Z) - SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model [42.49041513857155]
SuperMimicは、すべての動作の学習を、共有ダイナミクスの1つの異なる世界モデルで改善する。
SuperMimicは、128GPUで7日間トレーニングされた最先端のモーショントラッカーベースラインのリターンを上回っている。
論文 参考訳（メタデータ） (2026-10-20T16:29:30Z) - Event-Only Wingbeat Counting under Camera Motion: A Controlled MuJoCo Benchmark [0.0]
完了したウィングビートをカウントするには、周波数変化や停止を含む個々のサイクルを特定する必要がある。
イベントのみのイメージ変換補償から運動訓練を分離する制御された MuJoCo ベンチマークを提案する。
正確なカウント精度と時間的に一致したサイクルF1とカウントエラーを報告した。
論文 参考訳（メタデータ） (2026-09-27T14:47:37Z) - Think at 5 Hz, Act at 20 Hz: Asynchronous Fast-Slow Vision-Language-Action Inference for Closed-Loop Driving [9.75159490914078]
大規模言語モデルは、命令の追従とシーン推論をエンドツーエンドの駆動にもたらす。
既存のクローズドループエージェントはこのギャップを、別のシミュレーションティッチでモデルを呼び出すことで隠している。
この妥協を取り除いた高速スローアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-07-17T04:40:02Z) - Stop to Decide: Latency-Aware Proprioceptive Navigation Primitives for Mapping-Free Quadruped Inspection [17.95005898596094]
コンピュータに制約された四足歩行は、しばしばコントローラの設計速度よりはるかに低いナビゲーションループを走らせる。
この遅延は標準的な受容パターンを破り、まだ登っている間にボディピッチ信号から階段が到着する、と宣言する。
インモーション検出は、周期ごとの前進v/fで、確率が上昇してトップエッジをオーバーシュートする。
論文 参考訳（メタデータ） (2026-07-13T07:56:00Z) - DemoBridge: A Simulation-in-the-Loop Toolkit for Single-View Human Demonstration Retargeting [49.70827726228219]
このツールキットは、人間の手による実演のシングルビューRGBステレオ記録を、物理で検証可能なロボットアーム軌道に変換する。
DemoBridgeの中核は、衝突を意識した単一のプランナーである。
物理シミュレーターはループ内で動作し、生成した各フェーズを検証し、障害時にバックトラックするので、与えられたように再生できないデモは破棄されるのではなく、再計画される。
論文 参考訳（メタデータ） (2026-07-10T15:31:04Z) - Learning Sim-to-Real Humanoid Locomotion in 15 Minutes [51.500643119683225]
本稿では,FastSACとFastTD3という,非政治的RLアルゴリズムに基づくシンプルで実用的なレシピを提案する。
我々の単純なレシピは、何千もの並列環境において、政治外のRLアルゴリズムを大規模に安定化させる。
我々は,Unitree G1 と Booster T1 ロボット上でのヒューマノイド移動制御器のエンドツーエンドの迅速な学習を実演する。
論文 参考訳（メタデータ） (2025-12-01T18:55:17Z) - KungfuBot: Physics-Based Humanoid Whole-Body Control for Learning Highly-Dynamic Skills [58.73043119128804]
そこで本研究では,Kungfuやダンスなどの人体動作を高度に制御することを目的とした,物理学に基づくヒューマノイド制御フレームワークを提案する。
動作処理では,運動の抽出,フィルタリング,修正,再ターゲティングを行うパイプラインを設計し,物理的制約の遵守を確実にする。
動作模倣では、二段階最適化問題を定式化し、追従精度の許容度を動的に調整する。
実験では,高ダイナミックな動作のセットを模倣するために全身制御ポリシーを訓練する。
論文 参考訳（メタデータ） (2025-06-15T13:58:53Z) - Learning a Single Near-hover Position Controller for Vastly Different
Quadcopters [56.37274861303324]
本稿では,クワッドコプターのための適応型ニアホバー位置制御器を提案する。
これは、非常に異なる質量、大きさ、運動定数を持つクワッドコプターに展開することができる。
また、実行中に未知の障害に迅速に適応する。
論文 参考訳（メタデータ） (2022-09-19T17:55:05Z) - Adapting Rapid Motor Adaptation for Bipedal Robots [73.5914982741483]
移動制御の急速な適応の最近の進歩を活用し、二足歩行ロボットで作業できるように拡張する。
A-RMAはモデルフリーRLを用いて微調整することで不完全外部推定器の基本方針を適応する。
シミュレーションにおいて,A-RMAはRLベースのベースラインコントローラやモデルベースコントローラよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-05-30T17:59:09Z)
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。