論文の概要: Open-HumanWAM: An Open Recipe for Scaling Human and Robot Experience for Embodied Foundation Models

• arxiv url: http://arxiv.org/abs/2611.06817v2
• Date: Thu, 05 Nov 2026 16:35:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.51671
• Title: Open-HumanWAM: An Open Recipe for Scaling Human and Robot Experience for Embodied Foundation Models
• Title（参考訳）: Open-HumanWAM: 身体的基礎モデルのための人間とロボットの経験をスケールするためのオープンレシピ
• Abstract要約: エゴセントリックなヒューマンビデオは、ロボット学習の先駆的な操作のスケーラブルなソースを提供する。 Open-HumanWAMは、エゴセントリックな事前トレーニングを5万時間にスケールするための最初の完全にオープンなレシピです。 我々は,エゴセントリックな人間ビデオの50k時間にのみプリトレーニングされたワールドコンテクスト・アクション・モデルであるHumanWAM-Vanillaを開発した。
• 参考スコア（独自算出の注目度）: 70.82499567134448
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Egocentric human video offers a scalable source of manipulation priors for robot learning, yet translating raw data scale into generalizable robot policies demands rigorous data curation and training recipes. We introduce Open-HumanWAM, the first fully open recipe for scaling egocentric pretraining to 50,000 hours, anchored by Open-HumanWAM-50K---a curated egocentric video corpus densely annotated with hand motion and natural language. Leveraging this corpus, we systematically investigate pure human pretraining via closed-loop simulation evaluations and uncover an empirical log-linear scaling law linking pretraining data hours to downstream robot success rates. Grounded in these findings, we develop HumanWAM-Vanilla, a world--action model pretrained exclusively on 50k hours of egocentric human video. Upon robot post-training, HumanWAM-Vanilla reaches 92.08% success on RoboTwin 2.0 Clean2Clean and 68.88% on Clean2Random, alongside a 14.17% mean success rate and a 19.00 mean progress score on RoboDojo. To push the capability frontier further, we explore joint human--robot pretraining with HumanWAM-Goal, a visual-goal-conditioned world--action model. Hybrid data scaling unlocks broad zero-shot generalization across both simulation and physical benchmarks, propelling post-trained RoboTwin 2.0 performance to new state-of-the-art levels: 92.70% on Clean2Clean and a substantial leap to 84.60% on Clean2Random. On physical robots, HumanWAM-Goal further exhibits emergent embodied in-context learning, dynamically adapting its manipulation behavior to unseen visual goals without parameter updates. To support reproducible scaling research in embodied AI, we open-source the Open-HumanWAM-50K corpus, data curation and pretraining pipelines, alongside the pretrained and post-trained HumanWAM checkpoints, inference code, and simulation evaluation suites.
• Abstract（参考訳）: エゴセントリックなヒューマンビデオは、ロボット学習に先立つ、スケーラブルな操作のソースを提供するが、生のデータスケールを一般化可能なロボットポリシーに変換するには、厳密なデータキュレーションとトレーニングのレシピが必要である。 Open-HumanWAMは,手の動きや自然言語を多用したエゴセントリックなビデオコーパスであるOpen-HumanWAM-50Kに固定された,エゴセントリックな事前トレーニングを5万時間に拡張する最初の完全オープンなレシピである。 このコーパスを応用して、クローズドループシミュレーション評価を用いて純粋な人間の事前学習を体系的に研究し、事前学習データ時間と下流ロボットの成功率をリンクする経験的ログ線形スケーリング法を明らかにする。 これらの知見に基づいて,50k時間の人間中心ビデオにのみ事前訓練されたワールドアクションモデルであるHumanWAM-Vanillaを開発した。 ロボット訓練後、HumanWAM-VanillaはRoboTwin 2.0 Clean2Cleanで92.08%、Clean2Randomで68.88%、平均14.17%、RoboDojoで19.00の平均進歩スコアを記録した。 機能フロンティアをさらに推し進めるために,視覚ゴールを条件とした世界行動モデルであるHumanWAM-Goalで事前訓練を行う共同ロボットを探索する。 ハイブリッドデータスケーリングは、シミュレーションと物理ベンチマークの両方で広範囲なゼロショットの一般化を可能にし、訓練後のRoboTwin 2.0のパフォーマンスを新しい最先端レベルに推し進める: 92.70%が clean2Clean、84.60%が Clean2Randomである。 物理ロボット上では、HumanWAM-Goalはさらに、パラメータ更新なしで、操作動作を視覚的目標に動的に適応させる、コンテキスト内学習を具現化した創発性を示す。 具体的AIにおける再現可能なスケーリング研究を支援するため、我々は、事前訓練後、トレーニング済みのHumanWAMチェックポイント、推論コード、シミュレーション評価スイートとともに、Open-HumanWAM-50Kコーパス、データキュレーションおよびプレトレーニングパイプラインをオープンソース化した。

関連論文リスト

• Being-M0.7: A Latent World-Action Model for Humanoid Robots [52.49928557294444]
  我々は,人間のデータから学習した視覚的動きを,事前学習,ロボットのミッドトレーニング,アクションポストトレーニングを通じてヒューマノイド制御に伝達する潜在世界行動モデルであるBeing-M0.7を提案する。 我々は、1万時間以上の生の人中心データからコーパスをキュレートし、ビデオのみ、モーションのみ、およびペア化されたビデオモーションストリームを統合して、補完的な視覚力学と全身の運動構造を学習する。 Be-M0.7はSIMPLEで比較したベースラインの中で最高成功率に達し、現実世界のUnitree G1ロコ操作タスクで最強のベースラインと一致する。
  論文  参考訳（メタデータ） (2026-10-08T05:49:24Z)
• WB-WAM: Heterogeneous Body-Hand Pre-training for Humanoid Loco-Manipulation [30.730467262133544]
  本稿では,WB-WAMについて述べる。WB-WAM,WB-WAM,WB-WAM,WB-WAM,WB-WAM,WB-WAM,WB-WAM,WB-WAM,WB-WAM,WB-WAM,WB-WAMの3つを紹介する。 共有された物理アクション空間は、異種ソースからの体、根、および異種手アノテーションを統合し、共同ビデオとアクション学習を可能にする。 我々はHumanoidArenaで81.9%の強い全身タスク性能を示し、実際の実験では5つのタスクで84.0%の成功率でWB-WAMを検証する。
  論文  参考訳（メタデータ） (2026-09-28T03:11:19Z)
• InternW0-$Δ$: A World Action Model Bridging Predictive Dynamics and Actions with 20K+ Hours of Open Data [84.09989566646709]
  World Action Models (WAM) は、汎用ロボット操作のための視覚力学とアクション生成を共同でモデル化する。 異種コーパス上で事前訓練した統一WAMであるInternW0-$を紹介した。 トレーニングコード、モデルウェイト、インフラストラクチャ、データ処理パイプライン、およびライセンスが許可するデータ処理をオープンソースにします。
  論文  参考訳（メタデータ） (2026-09-25T15:24:25Z)
• HuRo: Robotizing Human Videos for Scalable VLA Pretraining [21.648183246162237]
  異種映像をロボット対応の観察・行動軌跡に変換するロボット化パイプラインを開発した。 我々は5つのビデオソースから約630Kのロボット化されたエピソードと1億4200万のフレームからなるHuRoデータセットを構築した。
  論文  参考訳（メタデータ） (2026-09-09T18:02:05Z)
• Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data [60.94418315274988]
  Ego2Robotは、キュレートされたビデオとインザワイルドのビデオの両方をサポートし、15のロボット形態にまたがる18,561時間のトレーニングデータを生成する。 Ego2Robotの合成データとロボットデータの併用による事前学習は、複数のタイプにわたるアウト・オブ・ディストリビューションの一般化を一貫して改善する。
  論文  参考訳（メタデータ） (2026-08-03T17:52:26Z)
• $Ψ_0$: An Open Foundation Model Towards Universal Humanoid Loco-Manipulation [39.811210435945924]
  本稿では,ヒューマノイドのロコ操作課題に対処するオープン基盤モデルを提案する。 我々の研究は、重要だが見落とされがちなデータレシピを特定します。 高品質な人間操作データに対する事前トレーニングと、ドメイン固有の実世界のヒューマノイド軌道のポストトレーニングにより、優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2026-03-12T17:59:51Z)
• EgoScale: Scaling Dexterous Manipulation with Diverse Egocentric Human Data [114.89243396877453]
  EgoScaleは、大規模な自我中心の人間データ上に構築された人から器用な操作伝達フレームワークである。 簡単な2段階のトランスファーレシピを導入し, 大規模人体事前訓練と, ライトウェイトアライメントされた人間ロボットのトレーニングを行った。 最終方針は、22個のDoFデキスタラスロボットハンドを使用して、トレーニング済みのベースラインに対して平均成功率を54%向上させる。
  論文  参考訳（メタデータ） (2026-02-18T18:59:05Z)
• X-Humanoid: Robotize Human Videos to Generate Humanoid Videos at Scale [59.36026074638773]
  X-Humanoidは、強力なWan 2.2モデルをビデオ間構造に適応させ、人-人-人-翻訳タスクに微調整する生成的ビデオ編集手法である。 トレーニングされたモデルを60時間のEgo-Exo4Dビデオに適用し,360万以上の“ロボット化された”ヒューマノイドビデオフレームからなる,新たな大規模データセットの生成とリリースを行います。
  論文  参考訳（メタデータ） (2025-12-04T07:34:08Z)

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。