日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

行動表現/ヒューマノイドarXiv:2606.01851

PHASOR: ヒューマノイド身体のための位相固定型汎用行動表現

PHASOR: Phase-Anchored Universal Action Representations for Humanoid Embodiments

シェア:XThreadsFacebookLINEはてブBluesky

行動埋め込み空間を第一級の設計対象とし、動作の周期性を位相多様体と姿勢分岐に分解して、複数のヒューマノイドロボットに共有可能な解釈可能で身体非依存の行動表現を構築した。

詳しい要約

1. どんなもの?

- 人間型ロボットのための統一的な行動埋め込み空間を学習する手法「PHASOR」を提案。 - 行動潜在変数をタスク固有の中間表現ではなく、第一級の表現として設計することを目的とする。 - 運動の周期性を利用し、位相多様体とポーズ分岐に分解することで、解釈可能で身体非依存な運動多様体を構築。 - 複数の人間型ロボットを人間で事前学習した共有多様体にアンカーし、多様なプラットフォーム間で統一的な行動埋め込み空間を実現。

2. 先行研究と比べてどこがすごい?

- 既存手法は行動潜在変数をタスク固有の中間表現として扱い、構造がなく身体依存で運動意味論との結びつきが弱い。 - 提案手法は行動埋め込み空間自体を設計対象とし、下流ポリシーの品質が表現品質から創発することを目指す。 - 運動の周期性を活用した分解により、解釈可能性・制御性・ロボット間転移性を向上。 - 人間で事前学習した多様体にアンカーすることで、異なる人間型ロボット間で統一的な行動埋め込み空間を実現し、クロス身体検索と下流タスクで一貫した性能向上を達成。

3. 技術・手法の肝は?

- 運動の内在的周期性を利用し、FFTパラメトリック係数で周期構造を捉える位相多様体と、非周期的な姿勢詳細を条件付けるポーズ分岐に因子分解。 - 運動意味論蒸留と組み合わせることで、解釈可能で身体非依存なクロス身体運動多様体を設計。 - 複数の人間型ロボットを人間で事前学習した共有多様体にアンカーし、統一的な行動埋め込み空間を生成。

4. どうやって有効だと検証した?

- クロス身体検索タスクと下流ロボットタスクで評価。 - 強いクロス身体検索性能と、下流タスクにおける一貫した性能向上を確認。 - 具体的なデータセット名や評価指標は要旨からは不明。

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。 - 同分野の関連手法として、action embedding learning、motion manifold learning、cross-embodiment transfer、humanoid robot policy learning に関する定番研究が挙げられる。

※ 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: Kihyun Kim, Chaeyun Kim, Jongho Shin, Taeyoun Kwon, Junghyun Kim, Mijin Koo, Haon Park

分類: cs.RO

原文アブストラクト

Learning a good action embedding space is fundamental to scalable robot policy learning, yet existing methods treat action latents as task-specific intermediates rather than first-class representations. The resulting latents are unstructured, embodiment-specific, and weakly tied to motion semantics, limiting interpretability, controllability, and transferability across robots. We position the action embedding space itself as a first-class design target, with downstream policy quality emerging from representation quality. Exploiting motion's intrinsic periodicity, we factorize it into a phase manifold that captures cyclic structure via FFT-parametric coefficients, together with a pose branch that conditions the manifold on non-periodic configuration detail. Combined with motion-semantic distillation, this factorized structure yields a cross-embodiment motion manifold that is interpretable and embodiment-agnostic by design. Anchoring multiple humanoid robots to a shared human-pretrained manifold then produces a unified action embedding space across diverse platforms, achieving strong cross-embodiment retrieval and consistent gains on downstream robot tasks.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXO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
  3. 3newmo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
  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