論文の概要: Whole-Body Humanoid Control via Stochastic Motion Tokenization

• arxiv url: http://arxiv.org/abs/2610.36452v1
• Date: Tue, 27 Oct 2026 00:58:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.45602
• Title: Whole-Body Humanoid Control via Stochastic Motion Tokenization
• Title（参考訳）: 確率運動トークン化による全身ヒューマノイド制御
• Abstract要約: 速度コマンドRLポリシーは四重項を制御するのに有効である。 これらは、複雑な全身の動きを必要とするヒューマノイドのための限られたインタフェースである。 我々は,高レベルコントローラで生成可能な簡潔な動作表現を用いて,これらの課題に対処する。
• 参考スコア（独自算出の注目度）: 16.940672326730173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While velocity-commanded RL policies are effective for controlling quadrupeds, they are a limited interface for humanoids that need to perform complex whole-body motions. Furthermore, RL tracking policies for whole-body motions typically have limited information about the desired future motion, preventing them from performing controlled deviations to achieve long-term task success; such information is particularly relevant when a controller must prepare for transitions between behaviors. We address these challenges using concise motion representations that can be generated by a high-level controller, given a behavior label or text command. These representations can be fed directly into a tracking policy to provide a detailed motion reference. Our method exhibits a high degree of flexibility in performing real-world robot motions such as dancing, fighting, or walking based on conditional information. At matched capacity, our adopted stochastic motion tokenizer reconstructs motions from the Unitree G1 at a level that exceeds state-of-the-art approaches such as finite scalar quantization (FSQ) and the vector-quantized autoencoder (VQ-VAE). The resulting discrete interface conditions whole-body tracking policies that execute generated dance, fight, and walk motions lasting 16.8 s each and a 35 s fight-to-dance sequence on a physical Unitree G1.
• Abstract（参考訳）: 速度制御されたRLポリシーは四重項を制御するのに有効であるが、複雑な全身運動を行う必要のあるヒューマノイドの限られたインタフェースである。 さらに、全身動作に対するRL追跡ポリシーは、通常、所望の将来の動作に関する情報が限られており、長期タスクの成功を達成するために制御された逸脱の実行を妨げている。 動作ラベルやテキストコマンドを与えられた高レベルコントローラで生成可能な,簡潔な動作表現を用いて,これらの課題に対処する。 これらの表現は、詳細なモーション参照を提供するために、トラッキングポリシーに直接入力することができる。 本手法は,条件情報に基づいて,ダンスやケンカ,ウォーキングなどの実世界のロボット動作を行う上で,高い柔軟性を示す。 適応容量では, 有限スカラー量子化 (FSQ) やベクトル量子化オートエンコーダ (VQ-VAE) といった最先端の手法を超越したレベルで, ユニツリーG1からの運動を再構成する。 その結果、個々のインタフェースは、生成したダンス、ウォーキング、ウォーク動作をそれぞれ16.8秒、物理ユニツリーG1上の35秒間のファイト・トゥ・ダンス・シーケンスで実行するための全身追跡ポリシーを条件とする。

関連論文リスト

• Fast Motion Retargeting Pipeline for Scalable Humanoid Robot Learning [8.017186118280366]
  既存のキノダイナミック軌道最適化パイプラインは計算コストが高く、運動ごとに手動で調整する必要があることが多い。 本稿では,FRDV(Fast Retargeting with Dynamics Validation)について述べる。 そのキネマティックステージはシークエンシャル・クアドラティック・プログラミング、リアルタイム・イット、チャンクベースの処理を統合し、最大9,156フレーム/秒を実現し、GMRやProtoMotionの約136倍高速である。
  論文  参考訳（メタデータ） (2026-10-20T16:22:00Z)
• 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)
• PredActor: Predictive Action Diffusion for Steerable Onboard Humanoid Control [49.348182500314614]
  アクションのみの拡散は直接アクションを生成するが、テスト時間運動の目的に対する明示的な将来の軌道は欠如している。 連立状態-作用拡散はこの表現を提供するが、代表コントローラはしばしば特権付きフルボディ状態に依存する。 提案するPredActorは,これらのステアリングを直接実行されるポリシに含める,予測的行動拡散ポリシである。
  論文  参考訳（メタデータ） (2026-09-21T16:20:25Z)
• Behavior Foundations for Quadruped Robots: ABot-C0 Technical Report [25.18747802029395]
  本稿では,四足歩行ロボットの汎用動作制御システムであるABot-C0を提案する。 我々は、条件付きビデオ生成、注釈付きモーションキャプチャ、ヒューマンデザインを通じてデータピラミッドを構築し、16,074個の物理的に実現可能なモーションクリップを生成した。 そして、3段階の特権と知覚の枠組みを採用することで、ロバストな全地球移動に向けて一歩前進します。
  論文  参考訳（メタデータ） (2026-07-08T13:04:07Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• PMG: Parameterized Motion Generator for Human-like Locomotion Control [14.637220434597168]
  我々は,人間のような動きを1つの統合システムで生成するリアルタイムモーションジェネレータを開発した。 一つの統合システムにおいて、PMGは人間のような自然な動きを生じさせ、高次元の制御入力に正確に応答することを示す。 これらの結果は、自然かつ展開可能なヒューマノイド制御への実践的で実験的に検証された経路を確立する。
  論文  参考訳（メタデータ） (2026-02-13T06:38:04Z)
• TextOp: Real-time Interactive Text-Driven Humanoid Robot Motion Generation and Control [62.93681680333618]
  TextOpはリアルタイムテキスト駆動型ヒューマノイドモーション生成および制御フレームワークである。 ストリーミング言語コマンドと実行中のオンザフライ命令修正をサポートする。 対話型モーション生成を堅牢な全身制御でブリッジすることで、TextOpは自由形式のインテント表現をアンロックする。
  論文  参考訳（メタデータ） (2026-02-07T08:42:11Z)
• CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
  hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。 CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。 そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
  論文  参考訳（メタデータ） (2025-12-16T18:56:04Z)
• AMP: Adversarial Motion Priors for Stylized Physics-Based Character Control [145.61135774698002]
  我々は,与えられたシナリオで追跡するキャラクタの動作を選択するための完全自動化手法を提案する。 キャラクタが実行するべきハイレベルなタスク目標は、比較的単純な報酬関数によって指定できる。 キャラクタの動作の低レベルスタイルは、非構造化モーションクリップのデータセットによって指定できる。 本システムでは,最先端のトラッキング技術に匹敵する高品質な動作を生成する。
  論文  参考訳（メタデータ） (2021-04-05T22:43:14Z)

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。