論文の概要: Learning Multi-Phase Robot Loco-Manipulation via Phase-Conditioned Policy Optimization

• arxiv url: http://arxiv.org/abs/2610.36270v1
• Date: Mon, 26 Oct 2026 20:44:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.199991
• Title: Learning Multi-Phase Robot Loco-Manipulation via Phase-Conditioned Policy Optimization
• Title（参考訳）: 位相依存型ポリシー最適化による多相ロボットロコマニピュレーションの学習
• Abstract要約: 多様なロボットハードウェアにまたがって、マルチフェーズタスクのための単一のポリシーをトレーニングします。 我々は、低レベルのバランスのダイナミクスと高レベルのフェーズ実行を分離する分離された階層型制御アーキテクチャを採用している。 本手法は環境相互作用による複雑なロコ操作行動の獲得を可能にする。
• 参考スコア（独自算出の注目度）: 5.204948956237909
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Complex whole-body loco-manipulation requires executing diverse maneuvers, such as crouching, grasping, and locomotion, within a single long-horizon task. While performing simple pick-and-place behaviors is well-established, scaling to complex, long-horizon tasks remains difficult. Currently, this challenge is addressed by relying on human motion data and correspondingly humanoid platforms, which limits platform independence and introduces substantial data processing overhead. Instead, we extend proximal policy optimization (PPO) to train a single policy for multi-phase tasks across diverse robotic hardware, leveraging prior task structure to shape behavior. Our method adapts PPO using a phase-conditioned critic, phase-gated reward functions, and a multi-phase reset curriculum to guide exploration. To support varied hardware, we employ a decoupled hierarchical control architecture that separates lower-level balancing dynamics from high-level phase execution. We demonstrate multi-stage loco-manipulation skills on hardware on both the Unitree G1 and a Boston Dynamics Spot equipped with a manipulator arm, and validate our design choices through ablations. Our approach enables the acquisition of complex loco-manipulation behaviors purely through environment interaction while directly incorporating high-level task structure into policy learning.
• Abstract（参考訳）: 複雑な全身のロコ操作は、1つのロングホライゾンタスクにおいて、しゃがんだり、つかんだり、移動したりといった多様な操作を実行する必要がある。 単純なピック・アンド・プレイス動作は十分に確立されているが、複雑なロングホライゾンタスクへのスケーリングは難しいままである。 現在、この課題は、人間のモーションデータとそれに対応するヒューマノイドプラットフォームに依存することで解決されている。 代わりに、PPO(proximal policy optimization)を拡張して、多様なロボットハードウェアにまたがるマルチフェーズタスクの単一ポリシーをトレーニングし、以前のタスク構造を利用して振る舞いを形作る。 本手法は,位相条件付き批評家,位相ゲート報酬関数,多相リセットカリキュラムを用いてPPOに適応し,探索をガイドする。 各種ハードウェアをサポートするために、低レベルのバランスのダイナミクスと高レベルの位相実行を分離する分離階層型制御アーキテクチャを用いる。 我々は、Unitree G1とBoston Dynamics Spotの両方にマニピュレータアームを装備したハードウェア上でのマルチステージロコ操作技術を実証し、アブレーションによる設計選択の検証を行った。 本手法は, 環境相互作用を通じて複雑なロコ操作行動の獲得を可能にすると同時に, 政策学習に高レベルのタスク構造を直接組み込むことを可能にした。

関連論文リスト

• Scaling Latent Motor Adaptation to Coordinated Bimanual Manipulation [59.04836683011635]
  ラピッドモータ適応(Rapid Motor Adaptation, RMA)のような埋め込み型適応法は、相互作用履歴から推定される環境力学の潜在表現に対する条件付けによってこの問題に対処する。 我々は,このパラダイムが単一アーム設定から,高次元制御,結合接触,共有物体力などによってさらに複雑になるようなバイマニュアル操作にスケールするかどうかを考察する。
  論文  参考訳（メタデータ） (2026-10-10T11:49:02Z)
• LUCID: Latent-Skill Unified Control via Imagined Dynamics for Long-Horizon Humanoid Loco-Manipulation [16.259708213720383]
  ロングホライゾン・ヒューマノイド・ロコ・マニピュレーションは、多彩な全身スキルと信頼性の高い高い意思決定を必要とする。 既存の手法はしばしば、スクリプト化されたプランナー、有限状態マシン、タスク固有のモデルフリーポリシーと事前訓練されたスキルを協調する。 階層型モデルに基づく強化学習フレームワークである textbfLUCID を提案する。
  論文  参考訳（メタデータ） (2026-08-07T20:26:34Z)
• Mind Your Steps: A General Learning Framework for Accurate Humanoid Foothold Tracking [78.30338456206984]
  本稿では,汎用3D足場追跡ポリシーをトレーニングするための新しいフレームワークを提案する。 本手法は, 目標検層による足場支援を動的に行うことにより, 学習方針を特定の地形に依存しないものにする。 我々の新しいターゲット表現は、雑音や不正確なポーズ推定や足の接触推定といった現実の課題を効果的に緩和する。
  論文  参考訳（メタデータ） (2026-06-06T16:44:56Z)
• CEER: Compliant End-Effector and Root Control as a Unified Interface for Hierarchical Humanoid Loco-Manipulation [11.545606851036787]
  本稿では,モジュール型ヒューマノイドのロコ操作に適合するエンドエフェクタ・ルート(EE-root)制御抽象化を提案する。 EE-rootはヒューマノイドのロコ操作の実用的な抽象化を提供し、多様なスキルのモジュール化とスケーラブルな統合を可能にします。
  論文  参考訳（メタデータ） (2026-05-19T15:23:40Z)
• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• Learning-based Cooperative Robotic Paper Wrapping: A Unified Control Policy with Residual Force Control [11.21445976755808]
  本稿では,大規模言語モデルを用いた高レベルタスクプランナと,低レベルのハイブリッド模倣学習と強化学習ポリシを統合した学習ベースフレームワークを提案する。 中心となるのは、人間のデモンストレーションから統一されたポリシーを学ぶサブタスク認識ロボットトランスフォーマー(START)である。 統一型トランスフォーマーベースのポリシーは、特殊なモデルの必要性を減らし、制御された人間の監督を可能にし、変形可能なオブジェクト操作に必要なきめ細かい力制御によって、高レベルの意図を効果的に橋渡しすることを示す。
  論文  参考訳（メタデータ） (2025-11-05T04:55:35Z)
• CAIMAN: Causal Action Influence Detection for Sample-efficient Loco-manipulation [17.94272840532448]
  我々は,ロボットが環境内の他のエンティティを制御できるようにする強化学習フレームワークであるCAIMANを提案する。 シミュレーションにおけるCAIMANの優れたサンプル効率と多様なシナリオへの適応性を実証的に実証した。
  論文  参考訳（メタデータ） (2025-02-02T16:16:53Z)
• Efficient Learning of High Level Plans from Play [57.29562823883257]
  本稿では,移動計画と深いRLを橋渡しするロボット学習のフレームワークであるELF-Pについて紹介する。 ELF-Pは、複数の現実的な操作タスクよりも、関連するベースラインよりもはるかに優れたサンプル効率を有することを示す。
  論文  参考訳（メタデータ） (2023-03-16T20:09:47Z)
• Composable Learning with Sparse Kernel Representations [110.19179439773578]
  再生カーネルヒルベルト空間におけるスパース非パラメトリック制御系を学習するための強化学習アルゴリズムを提案する。 正規化アドバンテージ関数を通じてステートアクション関数の構造を付与することにより、このアプローチのサンプル複雑さを改善します。 2次元環境下を走行しながらレーザースキャナーを搭載したロボットの複数シミュレーションにおける障害物回避政策の学習に関するアルゴリズムの性能を実証する。
  論文  参考訳（メタデータ） (2021-03-26T13:58:23Z)
• ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for Mobile Manipulation [99.2543521972137]
  ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。 本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。 ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
  論文  参考訳（メタデータ） (2020-08-18T08:05:15Z)

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。