ResMimic: 汎用モーショントラッキングから残差学習によるヒューマノイド全身ロコマニピュレーションへ

- ヒューマノイドの whole-body loco-manipulation を対象とした二段階の residual learning フレームワーク ResMimic を提案する研究。 - 第一段階で大規模な human-only motion で学習した general motion tracking (GMT) policy を task-agnostic な基盤として用いる。 - 第二段階で効率的かつ精密な residual policy を学習し、GMT 出力を補正して locomotion 改善と物体 interaction を組み込む。 - シミュレーションと実機 Unitree G1 humanoid で評価している。

- 近年の general motion tracking (GMT) は多様な人間動作の再現を可能にしたが、loco-manipulation に必要な精度と物体認識を欠く。 - ResMimic は GMT を土台に residual learning で補正することで、人間らしい全身運動を保ちつつ物体 interaction を扱える点が特徴。 - 要旨では task success、training efficiency、robustness で strong baselines を上回ると報告。 - 具体的な比較対象名は要旨からは不明。

- 二段階構成: 第一段階は human-only motion で学習した GMT policy、第二段階はその出力を精緻化する residual policy。 - 効率的な学習のため次の3つを設計。 - point-cloud-based object tracking reward: 最適化を滑らかにする。 - contact reward: humanoid と物体の正確な interaction を促す。 - curriculum-based virtual object controller: 学習初期を安定化させる。 - residual policy は GMT 出力を補正し locomotion 改善と物体 interaction を統合する。

- シミュレーションと実機 Unitree G1 humanoid の両方で評価。 - task success、training efficiency、robustness の観点で strong baselines に対し大きな改善を報告。 - 具体的なタスク設定・指標・被験者数などの詳細は要旨からは不明。 - 動画は https://resmimic.github.io/ で公開。

- 要旨からは不明。 - 想定される論点として、GMT への依存性、residual policy の汎化性、実機での安全性、contact reward の設計感度などが考えられるが、要旨には明記されていない。

- 要旨で参照/比較されている general motion tracking (GMT) の研究。 - residual learning を用いた humanoid control の関連研究。 - point-cloud-based object tracking reward や contact reward を用いる loco-manipulation 研究。 - curriculum-based virtual object controller に関連する curriculum learning 研究。 - 具体的な論文名は要旨からは不明。