論文の概要: HC2Robot: Hyper-Connection Transformers with Predicted Foresight for Multi-Terrain Humanoid Parkour

• arxiv url: http://arxiv.org/abs/2610.36825v1
• Date: Tue, 27 Oct 2026 08:24:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.545013
• Title: HC2Robot: Hyper-Connection Transformers with Predicted Foresight for Multi-Terrain Humanoid Parkour
• Title（参考訳）: HC2Robot:マルチテアリンヒューマノイドパークの予見型ハイパーコネクショントランス
• Abstract要約: 本稿では,PFM (Predicted Foresight Module) とHyper-Connection Transformer (HC) を組み合わせた,デプロイ可能なヒューマノイドパーサーフレームワークを提案する。 PFMは、各足の次のタッチダウンイベントのタイミング、位置、サポート品質をデプロイ可能な観測から予測する。 HC2Robotは、97.60%の平均的な足場成功率を達成し、強い知覚的移動ベースラインよりも一貫して安全な足場成功率を達成する。
• 参考スコア（独自算出の注目度）: 19.40315826012031
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid parkour requires robots to reason about future footholds and whole-body motions over highly discontinuous terrain. We revisit the information asymmetry in asymmetric actor-critic learning for perceptive humanoid locomotion: the critic exploits privileged simulator signals during training, whereas the deployable actor operates solely from onboard perception. We argue that the key is not exposing privileged information to the actor, but learning a deployable approximation of it to narrow the information gap between training and deployment. We present HC2Robot, a deployable perceptive humanoid parkour framework consisting of a Predicted Foresight Module (PFM) and a Hyper-Connection (HC) Transformer. PFM predicts from deployable observations the policy-conditioned timing, location, and support quality of each foot's next touchdown event, converting privileged supervision into a deployable latent representation that provides the actor with predicted touchdown information without privileged runtime sensing. The HC Transformer further enhances temporal reasoning through learnable multi-stream routing, while a future motion prediction head provides short-horizon motion priors for regularization. Across stairs, gaps, high platforms, and slopes, HC2Robot achieves a mean simulated traversal success rate of 97.60% and consistently higher safe foothold rates than strong perceptive locomotion baselines, supporting improved traversal performance and geometric foothold support under deployable sensing.
• Abstract（参考訳）: ヒューマノイドパークでは、ロボットが将来の足場や、不連続な地形上での全身の動きを判断する必要がある。 我々は,非対称なアクター批判学習における情報非対称性を再考する: 批評家はトレーニング中に特権化されたシミュレータ信号を利用するが,デプロイ可能なアクターは,オンボードの知覚からのみ動作する。 鍵となるのは、アクターに特権情報を公開するのではなく、トレーニングとデプロイメントの間の情報ギャップを狭めるために、デプロイ可能な近似を学ぶことだ、と私たちは主張する。 本稿では,PFM (Predicted Foresight Module) と Hyper-Connection (HC) Transformer (HC) を組み合わせた,デプロイ可能なヒューマノイドパーサーフレームワークであるHC2Robotを紹介する。 PFMは、各足の次のタッチダウンイベントのタイミング、位置、サポート品質をデプロイ可能な観測から予測し、特権付き監督を、特権付きランタイムセンシングなしで予測されたタッチダウン情報を提供する、デプロイ可能な潜在表現に変換する。 HC変換器は、学習可能なマルチストリームルーティングによる時間的推論をさらに強化し、将来の動作予測ヘッドは、正規化のための短水平動作前処理を提供する。 HC2Robotは、階段、ギャップ、高プラットフォーム、斜面を越えて、97.60%の平均的な走行成功率を達成し、強力な知覚的移動ベースラインよりも一貫して安全な足場率を達成し、配置可能なセンシング下での走行性能の向上と幾何学的足場サポートをサポートする。

関連論文リスト

• FACT: A Multimodal Force-Action-Track Foundation Model for Human-to-Robot Dexterity [59.92965577251167]
  本稿では,ロボット基礎モデルであるFACTについて述べる。 ツールの使用,楽器,精密実験室の手順を含む,きめ細かい調整と力フィードバックを必要とする10のタスクでモデルを評価した。
  論文  参考訳（メタデータ） (2026-10-13T20:21:52Z)
• SimWAM: A Simple World Action Model for End-to-End Autonomous Driving [66.93548079427477]
  我々は、将来の映像予測を訓練時間監視信号として活用する、シンプルで効果的なWAMであるSimWAMを提案する。 孤立した注意マスクは、将来のフレームとは独立して行動予測を保持し、推論時に明示的な将来のフレーム生成なしに軌道予測を可能にする。 我々のSimWAMは、NAVSIM上の91.5 PDMSを達成し、最先端のWAMベースのプランナをはるかに低レイテンシで超越し、ゼロショットをnuScenesに転送する。
  論文  参考訳（メタデータ） (2026-08-07T17:59:09Z)
• 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)
• ParkourFormer: Integrating Predictive Supervision and Sequence Modeling into Parkour Locomotion [18.91196966757826]
  本稿では,トランスフォーマーをベースとしたシーケンスモデリングフレームワークであるParkourFormerについて述べる。 シミュレーションと本物のヒューマノイドロボットの実験により、ParkourFormerは高度に挑戦的な地形で平均93.85%の成功率を達成した。
  論文  参考訳（メタデータ） (2026-05-25T12:29:47Z)
• TeleGate: Whole-Body Humanoid Teleoperation via Gated Expert Selection with Motion Prior [27.930225667015872]
  本稿では,ヒューマノイドロボットのための統合された全身遠隔操作フレームワークTeleGateを提案する。 私たちのキーとなる考え方は、軽量なゲーティングネットワークをトレーニングすることで、ドメイン固有の専門家ポリシーの完全な能力を維持することです。 リアルタイム遠隔操作における将来の参照軌跡の欠如を補うため,VAEベースのモーション先行モジュールを導入する。
  論文  参考訳（メタデータ） (2026-02-10T10:14:06Z)
• 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)
• Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
  Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。 提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
  論文  参考訳（メタデータ） (2023-12-26T18:56:49Z)

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。