論文の概要: GRAFT: Geometry-Aware Residual Adaptation for Foundation Trackers

• arxiv url: http://arxiv.org/abs/2610.36507v1
• Date: Tue, 27 Oct 2026 02:10:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.464159
• Title: GRAFT: Geometry-Aware Residual Adaptation for Foundation Trackers
• Title（参考訳）: GRAFT: ファンデーショントラッカーの形状認識残差適応
• Abstract要約: 凍結動作トラッカーのための幾何対応残差適応フレームワークであるGRAFTを提案する。 GRAFTはBFMパラメータとモーション・リフレクション・インタフェースを保存し、軽量なアダプタはローボディ実行ターゲットにのみ地形条件の修正を加える。 4つの凍結トラッカー上のフレームワークをインスタンス化し、シミュレーションにおいて階段、ギャップ、プラットフォームを評価する。
• 参考スコア（独自算出の注目度）: 44.98190181975136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid behavior foundation models (BFMs) provide reusable whole-body motion priors: given a kinematic reference, they generate coordinated joint commands for motion replay, teleoperation, and VLA control. However, trained primarily on flat-ground motion, BFMs lack an explicit mechanism to adapt foot placement, swing clearance, and contact timing to local terrain. Many terrain-aware BFM approaches address this limitation by retraining or fine-tuning the tracker together with perception, incurring substantial data and computation costs while coupling ordinary tracking to the perception pathway. To bridge this gap, we propose GRAFT, a geometry-aware residual adaptation framework for frozen behavior trackers. GRAFT preserves the BFM parameters and motion-reference interface, while a lightweight adapter adds terrain-conditioned corrections only to lower-body execution targets. The adapter is trained with task and foot-geometry rewards, regularized to suppress unnecessary corrections on flat ground, and distilled from privileged terrain observations to onboard depth. Because the frozen BFM already provides whole-body reference tracking and nominal locomotion, GRAFT reduces terrain learning to a focused execution-adaptation problem. We instantiate the framework on four frozen trackers and evaluate stairs, gaps, and platforms in simulation. We further validate it through real-world deployment on a Unitree G1, where the adapted SONIC tracker traverses terrain with onboard depth and unmodified references.
• Abstract（参考訳）: ヒューマノイド行動基盤モデル(BFM)は、運動学的な参照が与えられ、動きの再生、遠隔操作、VLA制御のための協調的な関節コマンドを生成する。 しかし、主に平地運動に基づいて訓練されたBFMは、足の配置、スイングクリアランス、接触タイミングを局所的な地形に適応させる明確なメカニズムを欠いている。 多くの地形認識型BFMアプローチは、認識経路に通常のトラッキングを結合しながら、認識と共にトラッカーを再訓練または微調整することで、この制限に対処する。 このギャップを埋めるために,凍結動作トラッカーのための幾何対応残差適応フレームワークであるGRAFTを提案する。 GRAFTはBFMパラメータとモーション・リフレクション・インタフェースを保存し、軽量なアダプタはローボディ実行ターゲットにのみ地形条件の修正を加える。 このアダプタは、タスクとフットジオメトリの報酬で訓練され、平地での不要な修正を抑えるために正規化され、特権的な地形観測からオンボードの深さまで蒸留される。 凍結したBFMは、既に全身の参照追跡と名目移動を提供しているため、GRAFTは地形学習を集中的な実行適応問題に還元する。 4つの凍結トラッカー上のフレームワークをインスタンス化し、シミュレーションにおいて階段、ギャップ、プラットフォームを評価する。 我々はさらに、Unitree G1上の実世界展開を通じて、適応されたSONICトラッカーが、搭載深度と修正されていない参照で地形を横切ることを検証した。

関連論文リスト

• JtT: Rethinking Point Trajectory Diffusion for Diverse and Rigid Motion from an Image [67.09340259579761]
  単体画像からの剛体運動の予測について検討した。 我々のモデルであるJtTは座標空間で直接動作する単純な拡散変換器である。 モデルランキングは,モデルのサイズ,メートル法,停止時間にどのように依存するかを示し,より厳密なチェックポイント平均評価プロトコルを採用する。
  論文  参考訳（メタデータ） (2026-10-12T11:13:37Z)
• P-BFM: Perceptive Behavioral Foundation Models for Humanoid Control via Unsupervised Reinforcement Learning [17.77543073639519]
  行動基礎モデル(BFM)は、身体全体の行動を再利用可能なレパートリーを持つヒューマノイドを提供する。 現実世界のヒューマノイド制御では、同じ行動意図は、異なる地形の制約の下で根本的に異なる動きを必要とする可能性がある。 P-BFMはヒューマノイド制御を地形不変の意図と地形条件付き実現に分解する知覚行動基盤モデルである。
  論文  参考訳（メタデータ） (2026-10-11T18:35:50Z)
• FBFM: A Training-Free Asynchronous Feedback Mechanism for Flow-Matching in World-Action Models Execution [50.18922379062543]
  フィードバックフローマッチング(Feedback Flow Matching, FBFM)は、アクティブに生成されたチャンク内で再接地を行うトレーニング不要な推論機構である。 トレーニング不要であるため、このメカニズムは予期せぬ事象に対する応答性を改善し、長時間の作業におけるドリフトを抑制する。 我々は,FBFMを第2世代WAMと第2世代WAMの両方で評価した。
  論文  参考訳（メタデータ） (2026-07-31T10:11:09Z)
• Physics-Guided Biomechanical Gait Adaptation for Humanoid Locomotion on Extreme Sloped Terrains [8.87337310412389]
  本研究では,HumoSlopeと呼ばれる2段階の物理誘導フレームワークを提案する。 本フレームワークは姿勢変性を効果的に軽減し,62.7%までの屋外草地斜面の目視・連続的移動を可能にする。
  論文  参考訳（メタデータ） (2026-07-08T18:12:18Z)
• ReactiveBFM: Reactive Closed-Loop Motion Planning Towards Universal Humanoid Whole-Body Control [54.267632784131415]
  ReactiveBFMは、ヒューマノイドのためのリアルタイムループ計画制御フレームワークである。 定期的なプレフィックスサンプリングカリキュラムを通じて、致命的な累積露光バイアスを軽減する。 これは、テキスト条件付きクローズドループ運動の膨大なレパートリーにおいて、前例のない物理的機敏さを示す。
  論文  参考訳（メタデータ） (2026-06-29T14:27:27Z)
• TACT-ful: Multi-Channel Terrain Affordance and Compliance Training for Payload-Robust Perceptive Humanoid Locomotion [1.3553462938197818]
  構造された地形における足場選択には、接触平面性、表面急勾配、および運動的到達性に関する明確な推論が必要である。 本研究では, 平坦性, 急勾配性, 速度を考慮した高さ実現可能性と, 前方登頂報酬を組み合わせた多チャンネル地形コストを提案する。
  論文  参考訳（メタデータ） (2026-06-06T10:25:13Z)
• EXACT-MPPI: Exact Signed-Distance Navigation for Arbitrary-Footprint Robots from Point Clouds via Path Integral Control [11.31921914039084]
  EXACT-MPPIは、ローカルナビゲーションを直接モーションコマンドにマッピングするフレームワークである。 解析的かつ正確な符号付き距離評価器をモデル予測パス積分(MPPI)コントローラに組み込む。 同じフレームワークは、differial-drive、Ackermann、およびハイブリッドモードプラットフォーム上にデプロイされている。
  論文  参考訳（メタデータ） (2026-05-28T09:23:54Z)
• Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
  本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。 31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
  論文  参考訳（メタデータ） (2025-12-08T11:42:41Z)
• CADTrack: Learning Contextual Aggregation with Deformable Alignment for Robust RGBT Tracking [68.71826342377004]
  RGB-Thermal (RGBT) トラッキングは、堅牢な全天候物体追跡のために可視および熱赤外モードを活用することを目的としている。 既存のRGBTトラッカーはモダリティの相違を解決するのに苦労している。 RGBT追跡のためのCADTrackと呼ばれる,変形可能なアライメントによるコンテキストアグリゲーション(Contextual Aggregation)を提案する。
  論文  参考訳（メタデータ） (2025-11-22T08:10:02Z)

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。