ヒューマノイド/転移学習2026/5/1arXiv:2605.23733

Any2Any: ヒューマノイド全身追跡のための効率的なクロスエンボディメント転移

Any2Any: Efficient Cross-Embodiment Transfer for Humanoid Whole-Body Tracking

事前学習済みの全身追跡モデルを、少量のデータと計算で新しいヒューマノイドに転移させる手法Any2Anyを提案。運動学的整合と軽量なパラメータ効率的ファインチューニングにより、スクラッチ学習と同等以上の性能を達成する。

詳しい要約

1. どんなもの？

- ヒューマノイドの whole-body tracking (WBT) モデルを、新しい embodiment へ効率的に転移する枠組み Any2Any を提案する。 - 少量のデータと計算で、既存の WBT specialist を新たな humanoid に適応させる。 - 新規 humanoid プラットフォームへの迅速な展開を可能にすることを目指す。

2. 先行研究と比べてどこがすごい？

- 従来は WBT モデルをゼロから学習するため、大規模データと計算が必要で、新プラットフォームへの展開コストが高かった。 - Any2Any は、事前学習済み WBT specialist を再利用し、少量のデータと計算で転移できる点が新しい。 - フル学習の 1% の計算とデータで、Unitree G1 で事前学習した Sonic モデルを LimX Oli と LimX Luna に転移できることを示した。

3. 技術・手法の肝は？

- まず source と target の humanoid 間で kinematic alignment を行い、入力・出力空間を整える。 - これにより、事前学習済み source policy を target embodiment で意味的に再利用可能にする。 - 次に dynamics adaptation として、dynamics-sensitive なモジュールに lightweight な parameter-efficient fine-tuning (PEFT) を適用する。 - 有用な behavioral prior を保ちつつ、target robot に特化した適応を可能にする。

4. どうやって有効だと検証した？

- 複数の humanoid プラットフォームと事前学習済み backbone で実験を行った。 - Any2Any はゼロから学習する場合と比べて収束を大幅に加速し、学習コストを削減しつつ、競争力のある、あるいは優れた tracking 性能を達成した。 - 具体的には、フル学習の 1% の計算とデータで、Unitree G1 で事前学習した Sonic モデルを LimX Oli と LimX Luna に転移することに成功した。

5. 議論はある？

- 事前学習済み WBT specialist が embodiment を超えて効率的に再利用可能であることを示唆する。 - 新しいロボットへの humanoid whole-body control の展開に向けたスケーラブルな道筋を提供する。 - 詳細な限界や議論については要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照されている研究: Sonic モデル、Unitree G1、LimX Oli、LimX Luna。 - 関連手法: whole-body tracking (WBT)、parameter-efficient fine-tuning (PEFT)、kinematic alignment、dynamics adaptation。 - 同分野の定番: humanoid whole-body control、cross-embodiment transfer、sim-to-real transfer。

※ 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: Ming Yang, Tao Yu, Feng Li, Hua Chen

分類: cs.RO, cs.AI

原文アブストラクト

Whole-body tracking (WBT) models have become a key foundation for humanoid robots, enabling them to imitate diverse motions with high fidelity. Training such models from scratch requires large-scale data and computation, making rapid deployment on new humanoid platforms costly. This raises a natural question: Can pretrained WBT models transfer across embodiments with minimal adaptation? To answer this question, we propose Any2Any, a paradigm that efficiently transfers an existing WBT specialist to a new humanoid embodiment with only a small amount of data and compute. Any2Any first performs kinematic alignment between source and target humanoids, aligning their input and output spaces so that the pretrained source policy can be meaningfully reused on the target embodiment.Any2Any then performs dynamics adaptation by applying lightweight parameter-efficient fine-tuning (PEFT) components to selected dynamics-sensitive modules, preserving useful behavioral priors while enabling targeted adaptation to the target robot. Extensive experiments on multiple humanoid platforms and pretrained backbones show that Any2Any substantially accelerates convergence and reduces training cost compared with training from scratch, while achieving competitive or superior tracking performance. Notably, using only 1% of the compute and data required for full training, Any2Any successfully transfers Sonic models pre-trained on Unitree G1 to LimX Oli and LimX Luna. These results suggest that pretrained WBT specialists can be efficiently reused across embodiments, providing a scalable path toward deploying humanoid whole-body control on new robots. More results and videos are available on our project page: https://any2any.top/.

arXivで原文を読む →arXiv概要ページ

← 論文一覧