論文の概要: HoloBoxing: A Simple Recipe for Humanoid Boxing with 7 Minutes of Single-GPU Training

• arxiv url: http://arxiv.org/abs/2610.32909v1
• Date: Fri, 23 Oct 2026 17:11:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.617646
• Title: HoloBoxing: A Simple Recipe for Humanoid Boxing with 7 Minutes of Single-GPU Training
• Title（参考訳）: HoloBoxing: シングルGPUトレーニングを7分で行うヒューマノイドボクシングの簡単なレシピ
• Abstract要約: HoloBoxingは、事前訓練された全身コントローラ上に構築することで、ヒューマノイドボクシングを学ぶための簡単なレシピを提供する。 コンパクトプランナーは将来のボディーポイントターゲットを要求し、凍結したコントローラはジョイントレベルの実行を処理する。 学習デコーダは、32次元の動作を構造化されたターゲットウィンドウにマッピングし、強化学習の前にプランナーの状態を計測する。
• 参考スコア（独自算出の注目度）: 7.735831487333416
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: HoloBoxing presents a simple recipe for learning humanoid boxing by building on a pretrained whole-body controller. The recipe separates reusable motor skills from task decisions: a compact planner requests future body-point targets, while the frozen controller handles joint-level execution. A learned decoder maps 32-dimensional actions to structured target windows, and measured-state imitation initializes the planner before reinforcement learning. Task learning then refines interaction behavior while reusing the decoder and controller, avoiding the need to relearn whole-body control. This combination keeps task optimization focused on a compact upper policy and supplies an initial behavior before reward-driven exploration. Starting from that available controller, the recipe accounts for about seven minutes of additional training, including reused representation fitting and a single-GPU task run. This excludes controller pretraining, data preparation, evaluation, and search. Simulated boxing experiments and component controls evaluate the resulting behavior and the roles of imitation initialization and the target representation.
• Abstract（参考訳）: HoloBoxingは、事前訓練された全身コントローラ上に構築することで、ヒューマノイドボクシングを学ぶための簡単なレシピを提供する。 このレシピは、再利用可能なモータースキルとタスクの決定を区別する: コンパクトプランナーが将来のボディーポイントターゲットをリクエストし、凍結したコントローラがジョイントレベル実行を処理する。 学習デコーダは、32次元の動作を構造化対象ウィンドウにマッピングし、測定状態の模倣は、強化学習の前にプランナーを初期化する。 タスク学習は、デコーダとコントローラを再利用しながら、インタラクションの振る舞いを洗練し、全身の制御を再学習する必要がない。 この組み合わせは、タスク最適化をコンパクトな上部ポリシーに集中させ、報酬駆動探索の前に初期動作を提供する。 利用可能なコントローラから始めて、レシピは、再利用された表現フィッティングやシングルGPUタスクの実行を含む、追加トレーニングの約7分間を担います。 これは、事前訓練、データ準備、評価、検索を除外する。 シミュレーションボクシング実験とコンポーネント制御は、模倣初期化と対象表現の結果としての挙動と役割を評価する。

関連論文リスト

• InterEvolve: Test-Time Evolution of Reward Programs for Humanoid Loco-Manipulation [54.00038257772902]
  ヒューマノイド・ロコ・マニピュレーションの試験時間進化について検討した。 私たちの重要な洞察は、ワイドコントローラが、新しいタスクに必要な能力の多くをすでに持っていることです。 InterEvolveはこのインターフェースを2つのコンポーネントで実現している。
  論文  参考訳（メタデータ） (2026-10-01T17:59:40Z)
• ViBe: Visual Behavior Adaptation for Perceptive Humanoid Whole-Body Control [11.96687692057234]
  ViBeは、モーショントラッカーを知覚的な制御タスクに適応するためのフレームワークである。 本研究は, パーセプティブ・ウォーキング, パーセプティブ・ウォーキング, ポーズ・キューブ, オームニ・オブジェクト・ロコ・マニピュレーション, ドッジボールを横断するゼロショット・シム・トゥ・リアルな移動を示す。
  論文  参考訳（メタデータ） (2026-09-09T09:11:26Z)
• Learning Reusable Hybrid Motion Priors for Humanoid Locomotion from Motion Imitation [2.8733935930169228]
  本稿では,3段階のパイプラインを提案する。 シミュレーションにおいて,速度トラッキング,ポイントゴールナビゲーション,フォール-リカバリ速度トラッキングの手法の評価を行った。 学習したHMPは、アクティブなRVQステージの数が利用可能なパターンを変調する解釈可能なコードブック構造を明らかにする。
  論文  参考訳（メタデータ） (2026-07-27T07:25:17Z)
• Premier-TACO is a Few-Shot Policy Learner: Pretraining Multitask Representation via Temporal Action-Driven Contrastive Loss [61.355272240758]
  Premier-TACOはマルチタスクの特徴表現学習手法である。 シーケンシャルな意思決定タスクにおいて、数ショットのポリシー学習効率を改善するように設計されている。
  論文  参考訳（メタデータ） (2024-02-09T05:04:40Z)
• Action-Conditioned Contrastive Policy Pretraining [39.13710045468429]
  深層運動のポリシー学習は、ロボット操作や自律運転などの制御タスクにおいて有望な結果を達成する。 トレーニング環境との膨大な数のオンラインインタラクションが必要です。 本研究では、数時間の未計算YouTubeビデオを用いて、タスクを駆動するためのポリシー表現を事前訓練することを目的とする。
  論文  参考訳（メタデータ） (2022-04-05T17:58:22Z)

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。