GBC: 全身ヒューマノイド模倣のための汎用行動クローニングフレームワーク
GBC: Generalized Behavior-Cloning Framework for Whole-Body Humanoid Imitation
人間のモーションキャプチャデータを任意のヒューマノイドに自動リターゲットし、DAgger-MMPPOとMMTransformerで高忠実な模倣方策を学習する統合フレームワークを提案。Isaac Labベースのオープンソースとして公開。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Yifei Yao, Chengyuan Luo, Jiaheng Du, Wentao He, Jun-Guo Lu
分類: cs.RO, cs.AI, cs.LG
原文アブストラクト
The creation of human-like humanoid robots is hindered by a fundamental fragmentation: data processing and learning algorithms are rarely universal across different robot morphologies. This paper introduces the Generalized Behavior Cloning (GBC) framework, a comprehensive and unified solution designed to solve this end-to-end challenge. GBC establishes a complete pathway from human motion to robot action through three synergistic innovations. First, an adaptive data pipeline leverages a differentiable IK network to automatically retarget any human MoCap data to any humanoid. Building on this foundation, our novel DAgger-MMPPO algorithm with its MMTransformer architecture learns robust, high-fidelity imitation policies. To complete the ecosystem, the entire framework is delivered as an efficient, open-source platform based on Isaac Lab, empowering the community to deploy the full workflow via simple configuration scripts. We validate the power and generality of GBC by training policies on multiple heterogeneous humanoids, demonstrating excellent performance and transfer to novel motions. This work establishes the first practical and unified pathway for creating truly generalized humanoid controllers.
関連論文
- 動画からのヒューマノイド模倣学習のための直接動的リターゲティング模倣学習/ヒューマノイド
- InterReal: 人間と物体のインタラクションスキル学習のための統一物理ベース模倣フレームワーク模倣学習/ヒューマノイド
- OKAMI: 単一動画の模倣によるヒューマノイドロボットの操作スキル学習模倣学習/ヒューマノイド
