日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

全身制御arXiv:2509.16638

KungfuBot2: ヒューマノイド全身制御のための多様な運動スキル学習

KungfuBot2: Learning Versatile Motion Skills for Humanoid Whole-Body Control

シェア:XThreadsFacebookLINEはてブBluesky

多様な人間の動きを追従させることで、単一の方策でヒューマノイドの全身運動スキルを学習する統合制御器VMSを提案し、シミュレーションと実機で動的スキルの模倣と長時間安定性、未見動作への汎化を実証した。

詳しい要約

1. どんなもの?

- ヒトの多様な動作を追従することで、ヒューマノイドの汎用全身制御を目指す研究 - 単一の policy で多様かつ動的な全身スキルを学習する統合型 whole-body controller「VMS」を提案 - 長い時間軸の動作列でも安定して追従できることを狙う - タイトルは KungfuBot2 で、project page も公開されている

2. 先行研究と比べてどこがすごい?

- 従来は動作ごとに個別 policy を学習する傾向があり、単一 policy で多様なスキルを扱う点が課題だったとみられる - 本手法は単一 policy で多様な動的スキルを習得しつつ、minute-long の長系列でも安定動作を狙う - 局所的な動作忠実度と全体軌道の一貫性を両立する hybrid tracking objective を導入 - OMoE によりスキル特化と未知動作への汎化を同時に狙う点が特徴 - ただし具体的な先行研究との定量比較は要旨からは不明

3. 技術・手法の肝は?

- 局所の motion fidelity と global trajectory consistency を両立する hybrid tracking objective - スキル特化と汎化を促す Orthogonal Mixture-of-Experts (OMoE) アーキテクチャ - 厳密な step-wise matching を緩和する segment-level tracking reward を導入 - これにより global displacement や一時的な不正確さに対する robustness を向上 - 単一 policy で多様な全身動作を扱う unified whole-body controller として構成

4. どうやって有効だと検証した?

- simulation と real-world experiments の両方で VMS を検証 - 動的スキルの正確な模倣を確認 - minute-long の長系列での安定性能を確認 - 未見動作 (unseen motions) への強い汎化を確認 - 具体的な評価指標・被験動作数・比較手法は要旨からは不明

5. 議論はある?

- 多様な動作を単一 policy で扱う scalable foundation としての可能性を主張 - 長系列安定性と汎化性能の両立を実証したと述べる - 一方で失敗事例、限界、計算コスト、実機での安全性などの詳細な議論は要旨からは不明 - OMoE の expert 数や segment-level reward の設計感度も要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照・比較されている個別研究は明示されていない - 関連手法として Mixture-of-Experts (MoE) 系のアーキテクチャ - humanoid whole-body control における motion tracking / imitation learning 系の研究 - ヒト動作追従による汎用ヒューマノイド制御の代表的研究 (例: humanoid motion imitation 系) - 具体的な次読論文は要旨からは不明

※ 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: Jinrui Han, Weiji Xie, Jiakun Zheng, Jiyuan Shi, Weinan Zhang, Ting Xiao, Chenjia Bai

分類: cs.RO, cs.AI

原文アブストラクト

Learning versatile whole-body skills by tracking various human motions is a fundamental step toward general-purpose humanoid robots. This task is particularly challenging because a single policy must master a broad repertoire of motion skills while ensuring stability over long-horizon sequences. To this end, we present VMS, a unified whole-body controller that enables humanoid robots to learn diverse and dynamic behaviors within a single policy. Our framework integrates a hybrid tracking objective that balances local motion fidelity with global trajectory consistency, and an Orthogonal Mixture-of-Experts (OMoE) architecture that encourages skill specialization while enhancing generalization across motions. A segment-level tracking reward is further introduced to relax rigid step-wise matching, enhancing robustness when handling global displacements and transient inaccuracies. We validate VMS extensively in both simulation and real-world experiments, demonstrating accurate imitation of dynamic skills, stable performance over minute-long sequences, and strong generalization to unseen motions. These results highlight the potential of VMS as a scalable foundation for versatile humanoid whole-body control. The project page is available at https://kungfubot2-humanoid.github.io.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI