日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

歩行arXiv:2603.09574

SCDP: 混合観測蒸留による部分観測下でのヒューマノイド歩行学習

SCDP: Learning Humanoid Locomotion from Partial Observations via Mixed-Observation Distillation

シェア:XThreadsFacebookLINEはてブBluesky

オンボードセンサのみを用い、明示的な状態推定なしでヒューマノイドの歩行制御を実現する拡散ポリシーSCDPを提案。混合観測訓練により特権的な未来状態を教師として部分観測下の動力学を学習し、実機G1で50Hzのロバストな歩行を実証した。

詳しい要約

1. どんなもの?

- 本研究は、オフラインデータセットから人間型ロボットの移動制御を抽出し、展開可能なポリシーを学習する課題に取り組む。 - 既存手法は特権的な全身状態に依存し、複雑で信頼性の低い状態推定を必要とする。 - 提案するSensor-Conditioned Diffusion Policies (SCDP)は、オンボードセンサのみを用いて人間型ロボットの移動を可能にし、明示的な状態推定を不要にする。 - SCDPは、混合観測トレーニングを通じてセンシングと監督を分離する。 - 拡散モデルはセンサ履歴を条件とし、特権的な将来の状態-行動軌道を予測するように監督され、部分観測下での運動ダイナミクスを推論する。 - さらに、restricted denoising、context distribution alignment、context-aware attention maskingを開発し、モデル内での暗黙的な状態推定を促進し、トレイン-デプロイのミスマッチを防ぐ。 - 速度指令移動と運動参照追跡タスクで検証。 - シミュレーションでは、速度制御でほぼ完璧な成功(99-100%)、AMASS…

2. 先行研究と比べてどこがすごい?

- 既存手法は特権的な全身状態に依存し、複雑で信頼性の低い状態推定を必要とする。 - SCDPはオンボードセンサのみを使用し、明示的な状態推定を排除する。 - 混合観測トレーニングにより、部分観測下での運動ダイナミクスを推論する。 - シミュレーションで特権ベースラインと同等の性能を達成し、実機でも堅牢な移動を実現。 - 具体的な先行研究名は要旨からは不明。

3. 技術・手法の肝は?

- 拡散モデルをセンサ履歴に条件付け、特権的な将来の状態-行動軌道を予測するように監督する混合観測トレーニング。 - restricted denoising、context distribution alignment、context-aware attention maskingを開発。 - これらにより、モデル内での暗黙的な状態推定を促進し、トレイン-デプロイのミスマッチを防ぐ。 - センシングと監督を分離し、部分観測下での運動ダイナミクスを推論。

4. どうやって有効だと検証した?

- 速度指令移動と運動参照追跡タスクで検証。 - シミュレーションでは、速度制御で99-100%の成功、AMASSテストセットで93%の追跡成功を達成。 - 特権ベースラインと同等の性能をオンボードセンサのみで実現。 - 実機G1ヒューマノイドに50 Hzで展開し、外部センシングや状態推定なしで堅牢な実ロボット移動を実証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、diffusion policy、humanoid locomotion、state estimation、privileged learningが挙げられる。

※ 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: Milo Carroll, Tianhu Peng, Lingfan Bao, Chengxu Zhou, Zhibin Li

分類: cs.RO, cs.LG

原文アブストラクト

Distilling humanoid locomotion control from offline datasets into deployable policies remains a challenge, as existing methods rely on privileged full-body states that require complex and often unreliable state estimation. We present Sensor-Conditioned Diffusion Policies (SCDP) that enables humanoid locomotion using only onboard sensors, eliminating the need for explicit state estimation. SCDP decouples sensing from supervision through mixed-observation training: diffusion model conditions on sensor histories while being supervised to predict privileged future state-action trajectories, enforcing the model to infer the motion dynamics under partial observability. We further develop restricted denoising, context distribution alignment, and context-aware attention masking to encourage implicit state estimation within the model and to prevent train-deploy mismatch. We validate SCDP on velocity-commanded locomotion and motion reference tracking tasks. In simulation, SCDP achieves near-perfect success on velocity control (99-100%) and 93% tracking success in AMASS test set, performing comparable to privileged baselines while using only onboard sensors. Finally, we deploy the trained policy on a real G1 humanoid at 50 Hz, demonstrating robust real robot locomotion without external sensing or state estimation.

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