日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ヒューマノイド制御arXiv:2608.03234

文脈を考慮したモーション事前分布によるヒューマノイド制御の学習

Learning Context-Aware Motion Priors for Humanoid Control

シェア:XThreadsFacebookLINEはてブBluesky

タスク文脈に応じてモーション事前分布の関連性を適応的に重み付けし、ヒューマノイド制御の性能とサンプル効率を向上させるフレームワークを提案した。

詳しい要約

1. どんなもの?

本論文は、ヒューマノイド制御のための文脈適応型モーション事前分布(Context-Aware Motion Priors, CMP)を提案する。従来のモーション事前分布はタスク非依存で、参照データセット全体から学習され、ポリシー学習全体に均一に適用される。CMPは、手動のスキルラベルやデータセット分割、別のスキル発見段階なしに、汎用のモーション事前分布を現在のタスク文脈に適応させる。具体的には、高アドバンテージのポリシーロールアウトを用いて文脈とモーションの適合性を学習し、デモンストレーションに基づく目的関数で参照分布に基づく関連性を維持する。得られた関連性スコアは、軽量な文脈条件付きアダプタの訓練における参照監督の重み付けに使用される。

2. 先行研究と比べてどこがすごい?

既存のモーション事前分布手法(Adversarial Motion PriorsやScore-Matching Motion Priorsなど)は、参照データセット全体からタスク非依存の事前分布を学習し、ポリシー訓練全体に均一に適用するため、現在のタスク文脈に関連する参照モーションを区別できず、無関係または矛盾するガイダンスを提供する可能性がある。CMPは、タスク文脈に応じて事前分布を適応させることで、より関連性の高いガイダンスを提供し、タスク性能とサンプル効率を向上させる。また、手動のスキルラベルやデータセット分割、別のスキル発見段階を必要としない点が新しい。

3. 技術・手法の肝は?

CMPの核心は、文脈とモーションの適合性を学習することである。高アドバンテージのポリシーロールアウトを使用して、どの参照モーションが現在のタスク文脈に適しているかを評価する。さらに、デモンストレーションに基づく目的関数を導入し、学習された関連性が参照分布から逸脱しないようにする。これにより、関連性スコアが得られ、それを用いて参照監督を重み付けし、軽量な文脈条件付きアダプタを訓練する。このアダプタは、タスク文脈に応じて事前分布の出力を調整する。

4. どうやって有効だと検証した?

CMPをAdversarial Motion PriorsとScore-Matching Motion Priorsの両方に実装し、5つのヒューマノイド制御タスクで評価した。その結果、CMPはタスク性能とサンプル効率を一貫して向上させ、意味のある文脈とモーションの整合を学習し、不均衡な参照分布に対しても頑健であることを示した。

5. 議論はある?

要旨からは、CMPの限界や潜在的な欠点についての議論は不明である。ただし、CMPは参照データセットの質に依存する可能性があり、参照モーションがタスク文脈と大きく異なる場合には効果が限定的かもしれない。また、高アドバンテージのロールアウトを使用するため、初期のポリシーが不十分な場合には学習が不安定になる可能性も考えられるが、要旨では言及されていない。

6. 次に読むべき論文は?

要旨で参照されている関連手法として、Adversarial Motion PriorsとScore-Matching Motion Priorsが挙げられる。また、モーション事前分布の分野では、Motion MatchingやDeepMimicなどの手法も関連する。次に読むべき論文としては、これらの手法の詳細を扱った論文が考えられる。

※ 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: Yunyang Mo, Yi Gu, Yangchen Zhou, Hanyang Cao, Renjing Xu

分類: cs.RO

原文アブストラクト

Motion priors provide powerful guidance for learning naturalistic humanoid behaviors. However, existing methods typically learn a general, task-agnostic prior from the entire reference dataset and apply it uniformly throughout policy training. As a result, the prior cannot distinguish which reference motions are relevant to the current task context, potentially providing irrelevant or conflicting guidance. We present Context-Aware Motion Priors (CMP), a framework that adapts a general motion prior to the current task context without manual skill labels, dataset partitioning, or a separate skill discovery stage. Specifically, CMP learns context-motion compatibility using high-advantage policy rollouts, while a demonstration-based objective keeps the learned relevance grounded in the reference distribution. The resulting relevance scores reweight reference supervision for training a lightweight context-conditioned adapter. To evaluate the effectiveness and generality of CMP, we instantiate it with both Adversarial Motion Priors and Score-Matching Motion Priors. Across five humanoid control tasks, CMP consistently improves task performance and sample efficiency, learns meaningful context-motion alignment, and remains robust to imbalanced reference distributions. These results show that adapting motion priors to task contexts provides more relevant guidance for humanoid policy learning.

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. 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