歩行/格闘/スキル遷移2026/4/1arXiv:2604.21355

RPG: 人間型格闘における複数スキル遷移のためのロバストなポリシーゲーティング

RPG: Robust Policy Gating for Smooth Multi-Skill Transitions in Humanoid Fighting

人間型ロボットの格闘動作において、複数のスキルを切り替える際の不安定さを解決するため、遷移ランダム化と時間ランダム化を用いたハイブリッド専門家ポリシーフレームワークを提案し、シミュレーションと実機で検証した。

詳しい要約

1. どんなもの？

- 人型ロボットの全身制御による長時間・動的な格闘を対象とした研究。 - 複数の単一スキル方策の切替や汎用方策による参照動作模倣では、スキル間の初期・終端状態の不一致により不安定化する問題がある。 - 提案手法 RPG は hybrid expert policy framework であり、motion transition randomization と temporal randomization を導入して、スキル遷移時も安定かつ滑らかな格闘動作を生成する統一方策を学習する。 - walking/running locomotion と fighting skills を統合する制御パイプラインを設計し、任意時間の戦闘や任意時点での中断・遷移を可能にする。 - simulation 実験と Unitree G1 humanoid robot への実機展開で有効性と頑健性を検証。

2. 先行研究と比べてどこがすごい？

- 既存手法は複数の単一スキル方策の切替、または汎用方策による参照動作模倣に依存。 - これらの手法はスキル間や参照動作間の初期・終端状態の不一致により out-of-domain disturbances が生じ、遷移が不安定・不滑らかになる。 - 提案手法は motion transition randomization と temporal randomization により、遷移時の外乱に頑健な統一方策を学習し、滑らかで安定した multi-skill transition を実現する点が異なる。 - さらに walking/running locomotion と fighting skills を統合し、任意時間の戦闘と任意時点での中断・遷移を可能にする制御パイプラインを設計。

3. 技術・手法の肝は？

- hybrid expert policy framework を提案。 - motion transition randomization と temporal randomization を導入し、スキル遷移時の初期・終端状態の不一致に起因する out-of-domain disturbances に対処。 - これにより、遷移時も安定かつ滑らかな agile fighting actions を生成する統一方策を学習。 - walking/running locomotion と fighting skills を統合する制御パイプラインを設計。 - 任意時間の humanlike long-time combat を可能にし、任意時点で中断・遷移可能。

4. どうやって有効だと検証した？

- simulation での extensive experiments により提案フレームワークの有効性を実証。 - Unitree G1 humanoid robot への real-world deployment により、robustness と applicability を検証。 - 具体的な評価指標や比較手法の詳細は要旨からは不明。

5. 議論はある？

- 既存手法のスキル切替や汎用方策模倣における遷移不安定性を課題として指摘。 - 提案手法が simulation と実機で有効性・頑健性を示すと主張。 - 限界や今後の課題、失敗事例、計算コストなどに関する議論は要旨からは不明。

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明示されていない。 - 関連手法として imitation learning による humanoid fighting、複数 single-skill policies の切替、general policy による参照動作模倣が挙げられる。 - 同分野の定番として humanoid whole-body control、imitation learning、locomotion と manipulation の統合に関する研究が次に読むべき候補。 - 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: Yucheng Xin, Jiacheng Bao, Yubo Dong, Xueqian Wang, Bin Zhao, Xuelong Li, Junbo Tan, Dong Wang

分類: cs.RO

原文アブストラクト

Humanoid robots have demonstrated impressive motor skills in a wide range of tasks, yet whole-body control for humanlike long-time, dynamic fighting remains particularly challenging due to the stringent requirements on agility and stability. While imitation learning enables robots to execute human-like fighting skills, existing approaches often rely on switching among multiple single-skill policies or employing a general policy to imitate input reference motions. These strategies suffer from instability when transitioning between skills, as the mismatch of initial and terminal states across skills or reference motions introduces out-of-domain disturbances, resulting in unsmooth or unstable behaviors. In this work, we propose RPG, a hybrid expert policy framework, for smooth and stable humanoid multi-skills transition. Our approach incorporates motion transition randomization and temporal randomization to train a unified policy that generates agile fighting actions with stability and smoothness during skill transitions. Furthermore, we design a control pipeline that integrates walking/running locomotion with fighting skills, allowing humanlike long-time combat of arbitrary duration that can be seamlessly interrupted or transit action policies at any time. Extensive experiments in simulation demonstrate the effectiveness of the proposed framework, and real-world deployment on the Unitree G1 humanoid robot further validates its robustness and applicability.

arXivで原文を読む →arXiv概要ページ

← 論文一覧