論文の概要: PhySA: Decoupling Aesthetic and Physical Rewards for Humanoid Locomotion
- arxiv url: http://arxiv.org/abs/2611.07679v1
- Date: Thu, 05 Nov 2026 09:09:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.613394
- Title: PhySA: Decoupling Aesthetic and Physical Rewards for Humanoid Locomotion
- Title（参考訳）: PhySA:Humanoid Locomotionのための美学と身体的リワードの分離
- Abstract要約: 審美的嗜好と身体的滑らかさは反対方向にあることがわかった。
我々はPhySAについて検討し、この2つを独立して除去可能な報奨チャンネルに保存する。
MuJoCo Humanoid-v5の2.6Mステップでは、PhySAはバニラPPO、Text2Reward、Eurekaと比較して関節加速度を26から32%低下させる。
- 参考スコア（独自算出の注目度）: 8.46022139436741
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Humanoid locomotion policies trained without an explicit smoothness objective tend to produce jerky, high-energy gaits that stress actuators. Vision-language models (VLMs) offer an appealing reward source: given a rendered rollout, a VLM returns an aesthetic quality score on [0,10] without task-specific feature engineering. We find, however, that aesthetic preference and physical smoothness point in opposite directions: across four production VLMs, clips with higher joint acceleration receive higher aesthetic scores (mean Pearson r=+0.66). We study PhySA (Physical Smoothness and Aesthetics), which keeps the two on separate, independently removable reward channels: a sparse, asynchronous VLM score and a phase-triggered correction channel that adjusts physical penalty weights from simulator state. Ablations attribute the smoothness gain to the correction channel. On MuJoCo Humanoid-v5 at 2.6M steps, PhySA lowers joint acceleration by 26 to 32% relative to vanilla PPO, Text2Reward, and Eureka (three seeds), at the cost of shorter episodes. In a single extended run it lowers joint acceleration by 59.5% relative to Prompt2Policy, while a three-seed replication shows a smaller, non-significant reduction (7.2%). The gain does not transfer to IsaacLab or the Unitree G1, even after rescaling the smoothness term.
- Abstract（参考訳）: 明示的な滑らかさの目的なしに訓練されたヒューマノイドの移動ポリシーは、アクチュエータを圧迫するジャーキーで高エネルギーの歩行を生み出す傾向がある。
レンダリングされたロールアウトが与えられたら、VLMはタスク固有の機能エンジニアリングなしで[0,10]の美的品質スコアを返します。
しかしながら,4つの生産VLMにおいて,より高い関節加速度を有するクリップは高い審美スコアを受ける(Pearson r=+0.66)。
我々はPhySA(Physical Smoothness and Aesthetics)について検討し、この2つを個別に除去可能な報酬チャネル(スパース、非同期VLMスコア、およびシミュレーション状態から物理ペナルティ重みを調整する位相トリガー補正チャネル)で保持する。
アブレーションは、スムーズな利得を補正チャネルに帰着する。
MuJoCo Humanoid-v5の2.6Mステップでは、短いエピソードのコストで、PhySAはバニラPPO、Text2Reward、Eureka(3つの種)と比較して26～32%の関節加速度を低下させる。
1回の延長では、Prompt2Policyと比較して関節加速度を59.5%低下させ、3列の複製では、より小さく、非重要な還元(7.2%)を示す。
ゲインは、滑らかさの項を再スケーリングした後でも、IsaacLabやUnitree G1に転送されない。
関連論文リスト
- RoboWorM: Evaluating Movement Realism, Consistency and Acceleration Affects in Embodied Video World Models [78.10886118053115]
ビデオワールドモデル(VWM)は、ロボット操作のためのスケーラブルなニューラルシミュレータとして急速に発展しつつある。
ほとんどのベンチマークでは、厳密な3次元空間的推論とキネマティック推論を欠いたビジョンランゲージモデル(VLM)を使用して、それらをオープンワールドビデオジェネレータとしてのみ評価している。
このギャップを埋めるために、包括的で既知のハードウェア事前ベンチマークであるRoboWorMを紹介します。
我々は,RoboWorMが表面的な視覚的品質を維持しつつ,配置クリティカルな物理的制約を黙秘的に克服できることを実証する。
論文 参考訳（メタデータ） (2026-10-24T17:11:06Z) - AcrossVAM2.0: Conflict-Aware Point Supervision for Parameter-Efficient Video Diffusion Adaptation [7.12251554131085]
ビデオジェネレータに適応するためには、明示的な点対応が魅力的である。
我々はこのテンションを5.01Bパラメータのテキスト・ビデオ拡散変換器で研究する。
ACROSSVAM2.0は、信頼性の高いトラック・アンド・ビジュアライゼーションヘッド、ゼロd残差フィードバック、非対称PCGradを組み合わせたものである。
論文 参考訳（メタデータ） (2026-10-10T08:12:08Z) - JitterVLA: A Replay Benchmark for Motion Quality in VLA-Driven Human-Robot Manipulation [2.1806251298441817]
ビジョンアクションポリシーは、ロボットコントローラへの到着が遅れて不規則なスパースターゲットを発行する。
人工的リーチ、20人の手指軌跡、3つの開放VLAパイプライン(838エピソード)、物理UR3に適用する。
補間はp99ジャークを全てのソースに対して83%(615～106m/s3)減らし,200ms遅延,2.0cm追尾,598回の新たなエピソードで再現した。
論文 参考訳（メタデータ） (2026-10-09T14:09:55Z) - Token-Level Video Reinforcement Learning [42.094593860535106]
Token-Level Video Reinforcement Learning (TVRL)は、トークンレベルのクレジットを最適化された報酬から導き出すフレームワークである。
VBench-2.0では、TVRLの総合スコアは57.69で、ベースモデルよりも3.60ポイント高い。
論文 参考訳（メタデータ） (2026-10-01T16:22:41Z) - Off-Manifold Refinement: Guiding Video Generators with a Frozen World Model [2.4870727053423236]
Off-Manifold Refinement (OMR)は、単一のサンプリング軌道に直接ワールドモデルフィードバックを注入する推論時間法である。
固定された400-prompt VideoPhy-2の詳細部分集合では、OMRはSemantic-Adherence-and-Physical-Commonsenseを47.0%から52.0%に引き上げる。
論文 参考訳（メタデータ） (2026-08-30T17:00:09Z) - Proprio: Latent Self-Scoring and Inference-Time Refinement for Physically Plausible Video Generation [78.41956766048308]
Proprioは、凍結したジェネレータが自身の出力の物理的妥当性を評価し改善することを可能にする、トレーニング不要のフレームワークである。
自己運動の生物学的感覚であるプロプリセプションにインスパイアされたプロプリオは、モデルの流れを自己刺激信号として扱う。
Proprioは、テキスト・ツー・ビデオ・ベンチマークと画像・ツー・ビデオ・ベンチマークの物理的妥当性を一貫して改善する。
論文 参考訳（メタデータ） (2026-05-27T09:44:18Z) - EverAnimate: Minute-Scale Human Animation via Latent Flow Restoration [74.49189147054337]
本研究では,長軸アニメーション映像生成のための効率的なポストトレーニング手法であるEverAnimateを提案する。
EverAnimateは、ジェネレーションを永続的な潜在コンテキストメモリにアンカーすることで、ドリフトしたフロートラジェクトリを復元する。
ライトウェイトなLoRAチューニングだけで、EverAnimateは最先端のロングアニメーションメソッドをショート・ホライズンとロング・ホライズンの両方で上回ります。
論文 参考訳（メタデータ） (2026-05-14T16:36:34Z) - PhyMotion: Structured 3D Motion Reward for Physics-Grounded Human Video Generation [75.96085587438279]
既存のビデオ報酬は主に2D知覚信号に依存しており、3Dの身体状態、接触状態、人間の関節の動きに基づくダイナミクスを明示的にモデル化する必要はない。
物理シミュレータにおける3次元人体軌道の復元を基礎とした構造的,きめ細かな運動報酬であるPhyMotionを提案し,運動の質を多次元の物理的実現性に沿って評価する。
実験により、PhyMotionは既存の報酬の定式化よりも人間の判断と強い相関性が得られることが示された。
論文 参考訳（メタデータ） (2026-05-14T02:12:13Z) - MARBLE: Multi-Aspect Reward Balance for Diffusion RL [71.6241143519038]
強化学習は、拡散モデルと人間の嗜好を整合させる主要なアプローチとなっている。
既存のプラクティスは、報酬ごとに1つのスペシャリストモデルをトレーニングすることで、複数の報酬を処理します。
我々は,各報酬に対する独立な優位推定器を維持する勾配空間最適化フレームワークMARBLEを提案する。
論文 参考訳（メタデータ） (2026-05-07T16:20:42Z) - Structure From Tracking: Distilling Structure-Preserving Motion for Video Generation [76.04880323498598]
自己回帰動画追跡モデル(SAM2)から双方向ビデオ拡散モデル(CogVideoX)へ構造保存動作先行情報を抽出するアルゴリズムを提案する。
VBenchと人間の研究ではSAM2VideoXが一貫した利益をもたらすことが示されている。
論文 参考訳（メタデータ） (2025-12-12T18:56:35Z) - AVATAR: Reinforcement Learning to See, Hear, and Reason Over Video [0.6854849895338531]
AVATAR(Audio-Video Agent for Alignment and Reasoning, AVATAR)は,長時間ビデオの多時間推論を改善するフレームワークである。
AVATARは様々なベンチマークで高い性能を示し、サンプル効率は35%以上向上した。
論文 参考訳（メタデータ） (2025-08-05T05:25:17Z)
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。