論文の概要: BlinkMimic: Training a Humanoid Motion Tracker in Minutes on a Single GPU
- arxiv url: http://arxiv.org/abs/2611.16422v1
- Date: Thu, 12 Nov 2026 07:31:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.389875
- Title: BlinkMimic: Training a Humanoid Motion Tracker in Minutes on a Single GPU
- Title(参考訳): BlinkMimic:1つのGPUで1分間のヒューマノイドモーショントラッカーのトレーニング
- Abstract要約: 全体モーショントラッキングにより、ヒューマノイドロボットは基準動作に従うことができる。
SuperMimicは、並列シミュレーションから学んだ世界モデルを通じて、このポリシーをバックプロパゲートすることでトレーニングできることを示した。
InstantTrackは、Muonのアップデート、参照に関する残留ポリシー、および平均的なデプロイポリシーを追加した。
BlinkMimicは、このトレーニングを高速化するレシピです。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Whole-body motion tracking lets a humanoid robot follow reference motions, but training a tracking policy for a library of motions has usually taken hours of GPU time. SuperMimic showed that the policy can instead be trained by backpropagating through a world model learned from parallel simulation, and InstantTrack added Muon updates, a residual policy around the reference and an averaged deployed policy. We build on both and present BlinkMimic, a recipe that makes this training faster. On a simulated Unitree G1, BlinkMimic trains one policy for all 40 LAFAN1 clips in 3.4 minutes on a single RTX 4090, measured until three consecutive checkpoints reach a normalized return of at least 0.82 with no failed clip (mean of three seeds). We split training time into the cost of an iteration, the iterations needed to fit the motions, and the iterations needed to remove the last failures, and assign each component, inherited or new, to one of these terms. The new components are a step size that decreases once training has progressed, resets directed by failures of the deployed policy under deployment conditions, and GPU graph capture of the whole iteration. A leave-one-out ablation with three seeds per component shows which term each component affects, and further measurements of the gradient, the update rule and the failure cases explain these effects. Code and per-seed results are available at https://github.com/fuyichen0725/blinkmimic.
- Abstract(参考訳): 全体モーショントラッキングでは、ヒューマノイドロボットが参照モーションを追跡できるが、モーションライブラリーのトラッキングポリシーのトレーニングは通常、GPU時間に何時間もかかる。
SuperMimicは、並列シミュレーションから学んだ世界モデルを通じて、このポリシーをバックプロパゲートすることでトレーニングできることを示した。
BlinkMimicは、このトレーニングを高速化するレシピです。
シミュレーションされたUnitree G1では、BlinkMimicは1回のRTX 4090で40本のRAFAN1クリップを3.4分で1本1本運転し、3回の連続チェックポイントが0.82の正常化リターンに達するまで3つのクリップ(つまり3つのシード)が失敗した。
トレーニング時間をイテレーションのコスト、動作に合わせるのに必要なイテレーション、最後の障害を取り除くのに必要なイテレーションに分割し、各コンポーネントを継承または更新し、これらの用語の1つに割り当てました。
新しいコンポーネントは、トレーニングが進むとステップサイズが小さくなり、デプロイ条件下でデプロイされたポリシの障害によってリセットされ、GPUグラフがイテレーション全体をキャプチャされる。
各コンポーネントごとの3つのシードによるアウト・ワン・アウト・アブレーションは、各コンポーネントがどの期間に影響を与えるかを示し、さらに勾配、更新ルール、障害ケースがこれらの効果を説明する。
コードはhttps://github.com/fuyichen0725/blinkmimic.comで公開されている。
関連論文リスト
- Faster Imitation by Re-timing Demonstrations Within the Controller Limit [7.071830135258387]
模倣ポリシーはオペレータのペースを継承し、成功が崩壊するまで、より速い作業を実行するためにデモを再最適化する。
最近の手法では、分布シフトの崩壊と、どのセグメントをスピンアップするかのより細かい規則で答える。
セグメント選択に対処できない機械的原因があることが示される。
論文 参考訳(メタデータ) (2026-10-31T01:52:25Z) - $\nabla$Mimic: Ultra-Efficient Humanoid Control with Differentiable Simulation [11.207540063616044]
NablaEngineと$nabla$Mimicは、ファーストオーダーのヒューマノイドポリシー学習のためのオープンソースのインフラストラクチャである。
シミュレータ自体の正確な勾配は、2つの障害物を除去するとより良くなることを示す。
1つのGPU上で1つのポリシーを持つ40個のRAFAN1クリップの全体追跡において、$nabla$Mimicは最先端のワールドモデルによって報告されたスコアに到達し、1.2hではなく20分で0.82、1.8hで0.874となる。
論文 参考訳(メタデータ) (2026-10-30T12:27:45Z) - SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model [42.49041513857155]
SuperMimicは、すべての動作の学習を、共有ダイナミクスの1つの異なる世界モデルで改善する。
SuperMimicは、128GPUで7日間トレーニングされた最先端のモーショントラッカーベースラインのリターンを上回っている。
論文 参考訳(メタデータ) (2026-10-20T16:29:30Z) - FlashDexRetarget: Accelerating Dexterous Manipulation Data Generation through Multi-Motion Retargeting [51.97027820630168]
人間の手オブジェクトのデモは、器用なロボット学習のためのスケーラブルなデータソースを提供する。
既存の物理学に基づく手法は、通常、それぞれのデモンストレーションを独立して最適化する。
マルチ参照トラッキングのためのRLフレームワークであるFlashDexRetargetを紹介する。
論文 参考訳(メタデータ) (2026-10-01T15:15:42Z) - Dancing Stick Figures: An Introductory Dataset for Training Video Generation Models [0.0]
Dancing Stick Figuresは,3つの障害に対して構築された合成ビデオデータセットだ。
スピードに関しては、64x64の64フレーム参照タスクは、単一のワークステーションGPUで実際に繰り返しトレーニングするためにサイズが大きすぎる。
アクセシビリティーのために、このリリースは4,020本のビデオクリップ-1,340本の6秒のソースモーションの0.79GBのトレーニングティアである。
論文 参考訳(メタデータ) (2026-08-29T08:03:19Z) - 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-DiffLoco: Open-Source Differentiable Learning for Deployable Blind Quadruped Locomotion [0.0]
本稿では,Open-DiffLocoについて紹介する。Open-DiffLocoは,デプロイ可能なブラインド四足歩行ポリシーを,異なるシミュレーションでトレーニングするオープンソースフレームワークである。
Open-DiffLocoは、差別化可能なシミュレーションを使用してデプロイ可能なロコモーションポリシーをトレーニングする最初のオープンソースフレームワークである。
論文 参考訳(メタデータ) (2026-08-03T11:11:13Z) - DemoBridge: A Simulation-in-the-Loop Toolkit for Single-View Human Demonstration Retargeting [49.70827726228219]
このツールキットは、人間の手による実演のシングルビューRGBステレオ記録を、物理で検証可能なロボットアーム軌道に変換する。
DemoBridgeの中核は、衝突を意識した単一のプランナーである。
物理シミュレーターはループ内で動作し、生成した各フェーズを検証し、障害時にバックトラックするので、与えられたように再生できないデモは破棄されるのではなく、再計画される。
論文 参考訳(メタデータ) (2026-07-10T15:31:04Z) - Learning Sim-to-Real Humanoid Locomotion in 15 Minutes [51.500643119683225]
本稿では,FastSACとFastTD3という,非政治的RLアルゴリズムに基づくシンプルで実用的なレシピを提案する。
我々の単純なレシピは、何千もの並列環境において、政治外のRLアルゴリズムを大規模に安定化させる。
我々は,Unitree G1 と Booster T1 ロボット上でのヒューマノイド移動制御器のエンドツーエンドの迅速な学習を実演する。
論文 参考訳(メタデータ) (2025-12-01T18:55:17Z)
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。