LHM-Humanoid: 雑然とした環境での連続物体運搬のための長期的ヒューマンモーション制御

- 物理シミュレーション上の humanoid が、単一の途切れない rollout で fetch–carry–place サイクルを繰り返す long-horizon human motion control の研究。 - 対象動作: 移動した物体へ歩く、balanced whole-body posture で持ち上げる、障害物を避けて運ぶ、goal に置く、を連続実行。 - 従来の短い isolated clip を re-initialize する設定ではなく、reset-free な連続動作を目指す。 - 提案名は LHM-Humanoid。

- 従来の physics-based human motion control は短時間・孤立クリップで、interaction 間に re-initialization を前提としていた。 - 本研究は reset なしの連続 long-horizon motion を扱う点が新しい。 - 単純な end-to-end reinforcement learning では、placement 後の off-balance で non-canonical な姿勢から次サイクルへ移れず失敗する。 - 比較対象の end-to-end RL、hierarchical RL、prior physics-based human-scene-interaction methods より、seen/unseen 両 scene で成功・安定性が高いと報告。

- 核心は cycle 間の handoff を recoverability の両面問題として扱う点。 - 置いた物体を乱さず disengage すること、balanced な継続が可能な状態に settle することを両立。 - 遷移を手設計せず、各 cycle の終端が recoverable region に着地するよう学習で shape。 - 構成: goal-conditioned controller が fetch–carry–place cycle を完了し、learned release-and-retreat behavior で terminal state を recoverable region へ誘導。 - 第2の controller がその terminal state distribution から引き継ぐ。 - 両者を adversarial motion prior で正則化し、単一の goal-conditioned policy に distill して reset-free rollout として実行。

- 4種類の room types にまたがる 350 の cluttered layouts で評価。 - 比較対象は end-to-end RL、hierarchical RL、prior physics-based human-scene-interaction methods。 - 評価軸は long-horizon motion の成功率と安定性。 - seen scenes と unseen scenes の両方で、LHM-Humanoid がより多くの成功・安定動作を生成したと報告。

- 要旨からは不明。 - 明示されている議論は、reset なしでは各 cycle 終端が「置いた物体を乱さない」かつ「次の balanced な継続が可能」である必要があり、naive な end-to-end RL が失敗するという課題認識。 - 限界・失敗事例・計算コスト・実機転用性についての議論は要旨からは不明。

- 要旨で直接参照/比較されている end-to-end RL、hierarchical RL、prior physics-based human-scene-interaction methods がまず候補。 - 関連要素として adversarial motion prior を用いた physics-based human motion control の研究。 - goal-conditioned policy の distillation や reset-free long-horizon control に関する研究。 - 個別論文名は要旨からは不明。