論文の概要: PERA: Plug-in Experts for Robotic Actions in Continual Whole-Body Control
- arxiv url: http://arxiv.org/abs/2611.16188v1
- Date: Thu, 12 Nov 2026 02:23:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.302273
- Title: PERA: Plug-in Experts for Robotic Actions in Continual Whole-Body Control
- Title(参考訳): PERA:連続体制御におけるロボット行動のプラグインエキスパート
- Abstract要約: PERAは、既存の動作能力を再利用して新しいスキルを学ぶ方法である。
PERAは10の新しいタスクをすべて完了した。
専門家を育成することで、専門家を訓練するのに使われていないダンスの動きの実行も改善される。
- 参考スコア(独自算出の注目度): 3.3929389683184046
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Motion imitation enables humanoid robots to acquire whole-body skills such as walking and dancing. However, fine-tuning an entire policy for a new skill can affect existing behaviors, while training a separate policy for each skill increases training and maintenance costs. We present PERA, a method for learning new skills by reusing existing motion capabilities. PERA freezes a pretrained mixture-of-experts policy and trains an additional task expert and its routing score using task rewards or teacher-action supervision. In Unitree G1 simulation, each added task module contains approximately 1.03% of the parameters of the base actor. Built on our pretrained policy, PERA successfully completes all ten new tasks. Disabling the expert restores the original computation path of the base policy, which still fully executes all 126 original motions. Enabling the expert also improves the execution of some dance motions not used to train that expert, indicating that its benefits extend beyond its training motions. Experiments with HoloMotion further demonstrate the applicability of PERA to different base policies.
- Abstract(参考訳): モーション模倣により、ヒューマノイドロボットは歩いたり踊ったりといった全身のスキルを身につけることができる。
しかし、新しいスキルのためのポリシー全体を微調整することは、既存の行動に影響を与える可能性がある一方で、スキルごとに個別のポリシーをトレーニングすることで、トレーニングとメンテナンスコストが増大する。
既存の動作能力を再利用して新しいスキルを学習するPERAを提案する。
PERAは、事前訓練されたミックスオブエキスパートポリシーを凍結し、追加のタスクエキスパートとそのルーティングスコアをタスク報酬または教師の行動監督を使用して訓練する。
Unitree G1シミュレーションでは、各追加タスクモジュールはベースアクターのパラメータの約1.03%を含む。
PERAは、事前訓練されたポリシーに基づいて、新しい10のタスクをすべて完了しました。
エキスパートの無効化は、ベースポリシーの元の計算パスを復元する。
専門家の訓練に使われていないダンスの動きの実行も改善され、その利点がトレーニングの動作を超えて拡張されることを示す。
HoloMotionを使った実験では、異なる基本ポリシーに対するPERAの適用性をさらに実証している。
関連論文リスト
- Skill-Space Shooting for Autonomous Robot Policy Improvement [11.951650001399997]
本稿では,再利用可能なスキルを通じて補正を探索し,成功した試行を政策改善に転換するための基礎モデルガイダンスを用いた技術空間撮影について紹介する。
実世界の実験では、自律的に行動する政策が繰り返し改善される一方で、新しいタスクを改善するために必要な教育を減らすためにスキルを共有することもできる。
論文 参考訳(メタデータ) (2026-09-29T17:59:55Z) - SkillPlug: Unsupervised Skill Mining for Few-Shot Adaptation in Robotic Manipulation [18.300772557133072]
SkillPlugは、既存のvisuomotorポリシーをスキルコンディショニングモジュールで強化するプラグインフレームワークである。
SkillPlugは、コンパクトで再利用可能な非冗長な行動レベルプリミティブを促進する、自己指導型の目的を通じてスキルを学ぶ。
我々は,SkillPlugを2つのシミュレーションベンチマークと実ロボット上で評価し,マイニング可能なトランスファー可能なスキルがマルチタスク性能と少数ショット適応の両方を一貫して改善することを観察した。
論文 参考訳(メタデータ) (2026-07-09T11:02:35Z) - Adapting Generalist Robot Policies with Semantic Reinforcement Learning [59.009122725071386]
ジェネラリストロボットポリシーは、大規模な事前訓練から多様な行動のレパートリーを学ぶ。
本稿では,オンラインインタラクションを通じて,このプロンプト空間を最適化するためのセマンティック・アクション強化学習(SARL)を提案する。
我々は、SARLが基本的に新しい機能をアンロックしていることを示します。
論文 参考訳(メタデータ) (2026-06-30T17:00:33Z) - Transferable Latent-to-Latent Locomotion Policy for Efficient and Versatile Motion Control of Diverse Legged Robots [9.837559106057814]
Pretrain-and-finetuneパラダイムは、新しいロボットエンティティやタスクに効率的に適応するための、有望なアプローチを提供する。
本稿では,タスク固有の観察エンコーダやアクションデコーダとともに,移動可能な潜時移動ポリシーを事前訓練する潜時学習フレームワークを提案する。
提案手法は広範囲なシミュレーションと実世界の実験により検証され、事前学習された潜伏移動政策が、効率を向上した新しいロボットエンティティやタスクに効果的に一般化できることが実証された。
論文 参考訳(メタデータ) (2025-03-22T03:01:25Z) - FLaRe: Achieving Masterful and Adaptive Robot Policies with Large-Scale Reinforcement Learning Fine-Tuning [74.25049012472502]
FLaReは、堅牢な事前訓練された表現、大規模なトレーニング、勾配安定化技術を統合する大規模な強化学習フレームワークである。
提案手法は,タスク完了に向けた事前訓練されたポリシーを整列し,これまで実証され,全く新しいタスクや実施状況において,最先端(SoTA)のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2024-09-25T03:15:17Z) - SuperPADL: Scaling Language-Directed Physics-Based Control with Progressive Supervised Distillation [55.47473138423572]
物理ベースのテキスト・トゥ・モーションのためのスケーラブルなフレームワークであるSuperPADLを紹介する。
SuperPADLは、RLと教師あり学習を使って、何千もの多様なモーションクリップでコントローラを訓練する。
コントローラは5000以上のスキルを含むデータセットでトレーニングされ、コンシューマGPU上でリアルタイムに動作します。
論文 参考訳(メタデータ) (2024-07-15T07:07:11Z) - Watch and Match: Supercharging Imitation with Regularized Optimal
Transport [28.3572924961148]
正規化された最適輸送(ROT)は、最適輸送に基づく軌道マッチングの最近の進歩に基づく新しい模倣学習アルゴリズムである。
DeepMind Control Suite、OpenAI Robotics Suite、Meta-World Benchmarkにまたがる20の視覚的制御タスクの実験では、専門家のパフォーマンスの90%に達するために平均7.8倍の高速な模倣が実証された。
論文 参考訳(メタデータ) (2022-06-30T17:58:18Z) - ASE: Large-Scale Reusable Adversarial Skill Embeddings for Physically
Simulated Characters [123.88692739360457]
汎用運動技術により、人間は複雑な作業を行うことができる。
これらのスキルは、新しいタスクを学ぶときの振る舞いを導くための強力な先駆者も提供します。
物理シミュレーション文字のための汎用的で再利用可能なスキル埋め込みを学習するためのフレームワークを提案する。
論文 参考訳(メタデータ) (2022-05-04T06:13:28Z)
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。