日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

全身動作追跡arXiv:2606.16696

VENOM: 多様な身体を持つロボットの全身動作追跡のための汎用埋め込みネットワーク

VENOM: Versatile Embodied Network for Omni-bodied Motion tracking

シェア:XThreadsFacebookLINEはてブBluesky

複数のヒューマノイドロボットに対して、上半身と下半身を分離せずに全身の動作を追跡できるGPTベースのモデルを提案し、シミュレーションでその性能を評価した。

詳しい要約

1. どんなもの?

- ヒューマノイドの全身運動追跡を複数の機体で実現するクロスエンボディメントモデル「VENOM」を提案。 - GPTベースの運動追跡モデルで、上半身と下半身の制御を分割せずに全身を追跡可能。 - 複数のヒューマノイドの状態・行動・報酬を含む「VENOM dataset」を構築し、学習に使用。 - シミュレーション環境で評価。

2. 先行研究と比べてどこがすごい?

- 従来のクロスエンボディメント運動追跡は上半身と下半身の制御を分離するものが多い。 - VENOMは分割不要で全身追跡を実現。 - 複数ヒューマノイドデータで教師あり学習したMLPよりも高性能な安定した運動追跡を達成。 - 報酬フィードバックなしでも、非対称アクター・クリティック強化学習で訓練された専門家に匹敵する追跡能力を示す。

3. 技術・手法の肝は?

- GPTベースの運動追跡モデルを採用。 - 複数のヒューマノイドデータで訓練。 - 全身運動追跡を分割せずに学習。 - VENOM dataset(状態、行動、報酬を含む)を構築し、モデルとベースラインの訓練に使用。

4. どうやって有効だと検証した?

- シミュレーションでVENOMとベースラインの性能を比較評価。 - 複数ヒューマノイドデータで教師あり学習したMLPより優れた安定した運動追跡を確認。 - 報酬フィードバックなしでも、非対称アクター・クリティック強化学習で訓練された専門家に近い追跡能力を達成。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 非対称アクター・クリティック強化学習(asymmetric actor-critic reinforcement learning) - MLP(多層パーセプトロン) - GPTベースのモデル - クロスエンボディメント運動追跡の先行研究

※ 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: Siddharth Padmanabhan, Kazuki Miyazawa, Takato Horii

分類: cs.RO

原文アブストラクト

Achieving expert-level expressive full-body motion tracking across multiple humanoids solely from demonstration data remains a challenging and relatively an underexplored problem in humanoid robot learning. Cross-embodiment motion tracking policies are mostly trained by decoupling the control problem into upper and lower body control. This work proposes VENOM, a cross-embodiment full-body motion tracking model for humanoids in simulation. VENOM is a GPT-based motion tracker trained on multiple humanoid data that can track the entire body without the requirement to split into upper and lower body control. We curate a multi-humanoid motion tracking dataset called the VENOM dataset that contains states, actions, and rewards and train VENOM and the baselines on this dataset. In this letter, we evaluate VENOM's performance against baselines and show that we can achieve a stable motion tracker across different humanoids more capable than an MLP trained on multiple humanoid data with supervised learning alone, and also show that despite lack of reward feedback, VENOM closely matches the tracking capability of experts that were trained using asymmetric-actor critic reinforcement learning.

  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. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI