何が起きたか
arXivに2026年8月17日付で掲載された論文(識別番号: 2608.16837v1)において、研究チームはヒューマノイド全身移動操作のためのフレームワークHAF(Humanoid Adaptation Framework)を発表した。HAFは、既製の汎用VLA基盤モデルをヒューマノイドの全身移動操作に転用する2部構成のフレームワークで、HAF-VLAとHAF-Steerからなる。
詳細
HAF-VLAは、事前学習済みのフローマッチングVLA上に構築された階層的なアクションフロー生成器である。全身のアクションのデノイジングを、ステージ埋め込みとクロスステージKVキャッシュを用いた3つの連続ステージに分割し、運動学的依存関係を保持することで、ワンショット生成による不整合な全身動作を回避する。 HAF-Steerは、凍結されたHAF-VLAの上に構築された潜在オフラインからオンラインへのRLパイプラインである。フローマッチングの可逆性とDCTベースの次元削減を利用して、RL最適化をコンパクトなノイズ部分空間に制限し、正則化されたSACポリシーを訓練する。これにより、大きなVLAバックボーンの更新を回避し、効率的な実世界でのポリシー改良を可能にする。 評価は7つの実世界のヒューマノイド移動操作タスクで行われ、HAFはバニラの単段階VLAベースラインを上回り、全身の協調とタスク性能を向上させたと報告されている。
Key Facts
| HAFは、汎用VLA基盤モデルをヒューマノイドの全身移動操作に転用する2部構成のフレームワークである。 | [1] |
| HAFはHAF-VLAとHAF-Steerの2つの部分から構成される。 | [1] |
| HAF-VLAは、事前学習済みのフローマッチングVLA上に構築された階層的なアクションフロー生成器である。 | [1] |
| HAF-VLAは全身のアクションのデノイジングを3つの連続ステージに分割し、ステージ埋め込みとクロスステージKVキャッシュを用いる。 | [1] |
| HAF-Steerは、凍結されたHAF-VLAの上に構築された潜在オフラインからオンラインへのRLパイプラインである。 | [1] |
| HAF-Steerはフローマッチングの可逆性とDCTベースの次元削減を利用し、正則化されたSACポリシーを訓練する。 | [1] |
| HAFは7つの実世界のヒューマノイド移動操作タスクで評価された。 | [1] |
| HAFはバニラの単段階VLAベースラインを上回り、全身の協調とタスク性能を向上させたと報告されている。 | [1] |
| 論文はarXivに2026年8月17日付で掲載された(識別番号: 2608.16837v1)。 | [1] |
なぜ重要か
この研究は、汎用VLA基盤モデルをヒューマノイドロボットの複雑な全身動作に適用する際の課題に対処するものである。階層的なアクションフロー生成と潜在RLによる効率的なポリシー改良を組み合わせることで、実世界での展開可能性を示している。