日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ヒューマノイド制御arXiv:2511.09241

ヒューマノイドロボットの高レベル制御におけるデータとモデルのスケーリングの影響の解明

Unveiling the Impact of Data and Model Scaling on High-Level Control for Humanoid Robots

シェア:XThreadsFacebookLINEはてブBluesky

人間の動画から自動生成した260時間超のヒューマノイド動作データセットHumanoid-Unionと、スケーラブルな学習フレームワークSCHURを提案し、大規模データが高レベル制御に与える影響を検証した。

詳しい要約

1. どんなもの?

- ヒト型ロボットの高レベル制御のための大規模データセットと学習フレームワークの研究 - Humanoid-Union: 人間の動画から自動パイプラインで生成した260時間超のヒト型ロボット動作データセット - 動作に意味的注釈(modality alignment用)を付与 - SCHUR: データ・モデルスケーリングが高レベル制御に与える影響を探るスケーラブル学習フレームワーク - 実機ヒト型ロボットへの展開も実施

2. 先行研究と比べてどこがすごい?

- 従来はロボット学習のデータ不足がボトルネック - 人間の動画・動作データは豊富で無償の大規模データ源として着目 - 生動画からロボット学習可能な表現を抽出しスケーラブル学習に活用する点が新しい - 先行手法と比較しMPJPEで37%の再構成改善、FIDで25%のアライメント改善 - 具体的な比較対象手法名は要旨からは不明

3. 技術・手法の肝は?

- 自動パイプラインで人間の動作動画からヒト型ロボット動作データを生成 - 動作の意味情報を活用したmodality alignment - SCHURフレームワークでデータ・モデルスケーリングの影響を検証 - テキスト-動作アライメントと動作生成品質を両立させる設計 - 詳細なアーキテクチャは要旨からは不明

4. どうやって有効だと検証した?

- Humanoid-Union上でSCHURのデータ・モデルスケーリング実験 - 動作生成品質とテキスト-動作アライメントを評価 - MPJPEで37%改善、FIDで25%改善を先行手法比で確認 - 実世界のヒト型ロボットへの展開で有効性を追加検証

5. 議論はある?

- データ拡張可能性(同一パイプラインで拡張可能)を主張 - スケーリング時の品質・アライメント挙動を議論 - 限界や失敗事例、計算コスト、実機展開の詳細は要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照/比較されている具体的な先行研究名は不明 - 関連手法として human video からの motion retargeting、text-motion alignment、imitation learning、humanoid motion generation の定番研究を参照すべき - 具体的な論文名は要旨からは不明

※ 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: Yuxi Wei, Zirui Wang, Kangning Yin, Yue Hu, Jingbo Wang, Siheng Chen

分類: cs.RO

原文アブストラクト

Data scaling has long remained a critical bottleneck in robot learning. For humanoid robots, human videos and motion data are abundant and widely available, offering a free and large-scale data source. Besides, the semantics related to the motions enable modality alignment and high-level robot control learning. However, how to effectively mine raw video, extract robot-learnable representations, and leverage them for scalable learning remains an open problem. To address this, we introduce Humanoid-Union, a large-scale dataset generated through an autonomous pipeline, comprising over 260 hours of diverse, high-quality humanoid robot motion data with semantic annotations derived from human motion videos. The dataset can be further expanded via the same pipeline. Building on this data resource, we propose SCHUR, a scalable learning framework designed to explore the impact of large-scale data on high-level control in humanoid robots. Experimental results demonstrate that SCHUR achieves high robot motion generation quality and strong text-motion alignment under data and model scaling, with 37\% reconstruction improvement under MPJPE and 25\% alignment improvement under FID comparing with previous methods. Its effectiveness is further validated through deployment in real-world humanoid robot.

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