論文の概要: Learning Agile Humanoid Dodgeball with Onboard Monocular Vision

• arxiv url: http://arxiv.org/abs/2611.01197v1
• Date: Sat, 31 Oct 2026 18:53:51 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:48:46.531286
• Title: Learning Agile Humanoid Dodgeball with Onboard Monocular Vision
• Title（参考訳）: 単眼でアジャイルなヒューマノイドドッジボールを学ぶ
• Abstract要約: 本研究では,単眼での知覚,時間的ボール状態,脅威フラッグ推定を統合し,全身制御を学習するシステムを開発した。 制御されたシミュレーションでは、ドッジ成功率は6m/sで97.8-100.0%、2.5mで10m/sで33.2-40.8%、速度距離で1000発である。
• 参考スコア（独自算出の注目度）: 14.987103688321065
• License:
• Abstract: Humanoid robots operating in shared, dynamic environments must respond to rapidly approaching objects while maintaining balance. We study dodgeball as a controlled test of this capability, coupling visual threat assessment with whole-body evasion, recovery, and target reacquisition. We develop a system that integrates onboard monocular perception, temporal ball-state and threat-flag estimation, and learned whole-body control. A ball detector supplies bounding-box histories, and a temporal estimator predicts relative ball position and a binary threat flag. Separate dodge/recovery and search/track policies share this interface and are composed to support repeated encounters. A three-stage curriculum first trains control with privileged ball states, then starts estimator supervision from stable policy rollouts, and finally replaces the actor's privileged inputs with estimator outputs. Analytic projection and perception randomization provide detector-like training observations without image rendering. Across approach-angle bins in controlled simulation, dodge success ranges from 97.8--100.0% for 5.0 m launches at 6 m/s to 33.2--40.8% for 2.5 m launches at 10 m/s, with 1000 throws per speed--distance condition. On a physical Unitree G1, controlled single-throw success exceeds 85% over more than 15 trials. A hardware sequence demonstrates full-azimuth target reacquisition followed by another dodge. These results demonstrate an integrated onboard-monocular-vision system under highly dynamic motions.
• Abstract（参考訳）: 共有された動的環境で動作するヒューマノイドロボットは、バランスを維持しながら急速に接近する物体に応答する必要がある。 本研究では,この能力の制御テストとしてドッジボールについて検討し,全身の回避,回復,目標再獲得と視覚的脅威評価を結びつけた。 本研究では,単眼での知覚,時間的ボール状態,脅威フラッグ推定を統合し,全身制御を学習するシステムを開発した。 ボール検出器はバウンディングボックス履歴を供給し、時間推定器は相対ボール位置と二値脅威フラグを予測する。 ドッジ/リカバリと検索/追跡ポリシーは、このインターフェースを共有し、繰り返し遭遇をサポートするように構成されている。 3段階のカリキュラムは、まず特権のあるボール状態で制御し、安定的なポリシーのロールアウトから推定器の監督を開始し、最後に、俳優の特権的な入力を推定器の出力に置き換える。 解析的投影と知覚ランダム化は、画像レンダリングなしで検出器のような訓練観察を提供する。 制御されたシミュレーションでは、ドッジ成功率は6m/sで97.8-100.0%、2.5mで10m/sで33.2-40.8%、速度距離で1000発である。 物理的なUnitree G1では、15回以上の試験でコントロールされたシングルスローの成功が85%を超えている。 ハードウェアシーケンスは、次のドッジに続く全方位目標再獲得を示す。 これらの結果は,高度運動下での眼球運動統合システムを示すものである。

関連論文リスト

• ReGATE: Recurrent Gated Visual Fusion for Reactive Humanoid-Object Interaction [4.826124200824742]
  本稿では,エゴセントリックな奥行き,プロプレセプション,オンライン・ロコモーション・コンタクト・コマンドを組み合わせた全身コントローラReGATEを提案する。 シミュレーションでは、ReGATEは330の静的オブジェクト取得トライアルで85.2%成功し、VisualMimicは48.5%である。
  論文  参考訳（メタデータ） (2026-11-02T10:10:46Z)
• EgoExplorer: A Vision-Motion-Touch Observatory for Human Loco-Manipulation In Situ [67.89251850608498]
  EgoExplorerは、ウェアラブルシステムで構築された人間のロボ操作の100時間の視覚モーションタッチ観測所である。 プロの活動に重点を置いて、その連続的な録音は、エゴセントリックなビデオと、再構築された全身の動きとを一致させる。 我々は,このカバーをスパースボディセンシングで実現するために,Calibrate-Complete-Constrainパイプラインを開発した。
  論文  参考訳（メタデータ） (2026-10-13T17:59:55Z)
• Whole-Body Aerial Grasping and Lifting via Partial Visual Observations [21.983235374245993]
  空中グリップ・アンド・リフトのタスクは、アプローチ、取得、リフトの全体調整を必要とする。 本稿では,飛行,腕の動き,グリップの閉鎖を共同で指揮するシミュレーションにおいて,一貫した政策を学習する教師支援フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-30T13:14:26Z)
• FutureRay: Control-Aligned Future Range for Agile Quadruped Navigation [10.539788012768236]
  移動障害物は、四足歩行ロボットがモーションコマンドを実行する間、前もって明確な経路を塞ぐことができる。 我々は、遭遇リスクとともに、視線方向と未来時間の範囲を予測できるFutureRayを提案する。 共同作業範囲と遭遇リスク予測は,移動方針を再訓練することなく障害物回避を改善できることを示す。
  論文  参考訳（メタデータ） (2026-09-26T02:25:49Z)
• 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)
• 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)
• Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。 また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)

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。