論文の概要: DiffWBC: Unlocking Steerable General Humanoid Motion Tracking via One-Step Diffusion Whole-Body Control
- arxiv url: http://arxiv.org/abs/2610.41354v1
- Date: Fri, 30 Oct 2026 07:16:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.640811
- Title: DiffWBC: Unlocking Steerable General Humanoid Motion Tracking via One-Step Diffusion Whole-Body Control
- Title（参考訳）: DiffWBC: ワンステップ拡散によるステアリング可能な一般ヒューマノイドモーショントラッキング
- Abstract要約: 一般的なヒューマノイドモーショントラッカーは、参照編集の不安定さやコストのかかる再トレーニングなしにオンラインで適応できない決定論的ポリシーに依存している。
本稿では,1段階拡散モデルを用いて全身制御を生成パラダイムにシフトするDiffWBCを提案する。
- 参考スコア（独自算出の注目度）: 25.970496921759263
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: General humanoid motion trackers typically rely on deterministic policies that cannot adapt online without brittle reference editing or costly retraining. We present DiffWBC, shifting whole-body control to a generative paradigm via a one-step diffusion model. By modeling distributions over future trajectories, DiffWBC unifies general tracking, test-time steering, and simulation-free failure discovery within a single controller: (1) Generative general tracking: DiffWBC requires a single forward pass per 50 Hz control step and can be distilled from an RL teacher or trained from scratch via model-based RL, achieving the lowest local tracking error among six general trackers on held-out benchmarks (20.1 mm on BONES) and deploying on a physical Unitree G1. (2) Zero-shot test-time steering: differentiable cost gradients and body-group masks modulate the frozen controller online, substantially outperforming kinematic reference editing (0.84 clean pass at 1.25 m ceiling vs. 0.10) and zero-shot generalizing across hurdles, spatial reaching, actuator faults, and tray balancing. (3) Simulation-free failure discovery: plan dispersion across generation noise effectively identifies physical tracking failures (91% precision in top 2%) without physics simulations; targeted fine-tuning on flagged clips resolves 50% of failure cases. Videos and interactive demonstrations are available at https://diffwbc.github.io/#selfassess.
- Abstract（参考訳）: 一般的なヒューマノイドモーショントラッカーは、参照編集の不安定さやコストのかかる再トレーニングなしにオンラインで適応できない決定論的ポリシーに依存している。
本稿では,1段階拡散モデルを用いて全身制御を生成パラダイムにシフトするDiffWBCを提案する。
1) ジェネラルトラッキング: DiffWBCは50Hzの制御ステップごとに単一のフォワードパスを必要とし、RLの教師から蒸留したり、モデルベースRLでスクラッチから訓練したり、保留中のベンチマーク(20.1 mm)で6つの一般的なトラッカーの中で最も低い局所的なトラッキングエラーを達成したり(BONESでは20.1 mm)、物理のUnitree G1にデプロイする。
2) ゼロショットテストタイムステアリング: コスト勾配とボディーグループマスクは, 冷凍コントローラをオンラインで調整し, キネマティック基準編集(0.84クリーンパス, 天井1.25m対0.10) およびゼロショットをハードル, 空間到達, アクチュエータ故障, トレイバランスで一般化した。
3) シミュレーションフリー故障発見: 生成ノイズ間の計画分散は物理シミュレーションを使わずに物理的追跡障害(トップ2%の精度91%)を効果的に同定し, フラグ付きクリップの微調整を目標とし, 50%の故障事例を解決した。
ビデオとインタラクティブなデモはhttps://diffwbc.github.io/#selfassess.comで公開されている。
関連論文リスト
- Calibration-risk routing for controlled world-model adaptation [19.34848029403215]
モデル補正世界モデル(MC-WM)を導入し、初期ターゲットデータを不整合、選択、キャリブレーション分割に分離する。
学習された信頼信号と決定論的妥当性は、物理報酬を書き換えることなく、一段階の政策更新を予想する。
配備前のアーティファクトゲートの後、1つの正確なレイアウトセルが繰り返され、541回の実行が完了した。
論文 参考訳（メタデータ） (2026-10-01T03:44:47Z) - PhaseShift: Topology-Aware Data Harmonization and Model Consolidation Across Signalized Intersections [7.890686084519088]
PhaseShiftは、異種道路側軌跡を共有アクター中心の表現に調和させるトポロジ対応フレームワークである。
フロリダ州の2地域の5つの交差点を,バランスの取れたフィールドデータ,100kのトレーニングウィンドウ,同規模のテストセットを用いて評価した。
論文 参考訳（メタデータ） (2026-08-26T01:22:49Z) - GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。
純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。
自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
論文 参考訳（メタデータ） (2026-08-18T18:21:36Z) - TRACE: A Multi-Layer Benchmark for Human AI Controller Coordination Under Drift and Failure [0.0]
現代のサイバー物理およびAI支援システムは、人間のオペレータ、AI決定モジュール、自動コントローラを単一の制御ループで結合する。
標準ベンチマークでは、これらのレイヤ間でドリフトと障害がどのように伝播するかの、タイムアラインなマルチレイヤトレースをキャプチャしない。
ALFREDは,日常的な家庭内課題に対する基礎的な指導基準である。
論文 参考訳（メタデータ） (2026-08-07T00:03:55Z) - Sensitivity Analysis of GRU, LSTM and Transformer Encoder in Classification of Automated Driving Systems [0.5156484100374058]
安全監視, 規制コンプライアンス, 保険評価, 異常検出において, どの自動運転システムがアクティブかを独立に検証するモニタリングシステムは重要である。
まず、GRU(Gated Recurrent Units)、LSTM(Long Short-Term Memory)、Transformer encoder(Transformer encoder)の3つのシーケンスベース分類モデルの有効性を評価する。
3モデルとも、クリーンなデータでトレーニングすると、マクロF1スコアが0.92(GRU)、LSTMが0.90(Transformer encoder model)、そして0.93(Transformer encoder model)となる。
論文 参考訳（メタデータ） (2026-07-25T01:31:37Z) - AEGIS: Assay-Aware Protocol Validation and Runtime Monitoring for Open-Source Liquid Handling Robots [5.085084241476424]
本稿では,オープンソースの液体ハンドラの2層保護体であるAEGISを紹介する。
OT-2 Python コードに原因がある LLM による機械可読性アッセイルールデータベース。
レイヤ2はPCAワールドモデルとYOLOクロッピングされた4フレームのピペットトラジェクトリに適合する。
論文 参考訳（メタデータ） (2026-07-17T04:39:04Z) - RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。
複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
論文 参考訳（メタデータ） (2025-09-25T03:30:34Z) - Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である
CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。
CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
論文 参考訳（メタデータ） (2023-10-01T05:07:17Z) - Cascaded Regression Tracking: Towards Online Hard Distractor
Discrimination [202.2562153608092]
本稿では,2段階の逐次回帰トラッカーを提案する。
第1段階では, 容易に同定可能な負の候補を抽出する。
第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
論文 参考訳（メタデータ） (2020-06-18T07:48:01Z)
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。