ヒューマノイド制御2026/8/3arXiv:2608.02385v1

StableMimic: 人間らしいスムーズな復帰を実現するヒューマノイド動作追跡 - 追跡分布を超えた学習による構造化された転倒後行動

StableMimic: Smooth Human-Like Recovery for Humanoid Motion Tracking - Learning Beyond the Tracking Distribution for Structured Post-Fall Behavior

シェア:X Threads Facebook LINE はてブ Bluesky

ヒューマノイドの動作追跡中に転倒した際、追跡のみのポリシーでは非現実的な参照を追いかけて危険な動作を引き起こす問題に対し、転倒後の復帰動作を学習する専門家と追跡専門家を切り替える手法を提案し、実機で検証した。

詳しい要約

1. どんなもの？

StableMimicは、ヒューマノイドロボットのモーション追跡と転倒後の回復を統合する統一トラッカーである。通常の追跡分布を超えて訓練され、複数の人間の立ち上がり参照に基づく摂動リセットにより、うつ伏せ、仰向け、バランス崩れ、中間的な接地状態などの状態を露出させ、追跡可能領域に戻す構造化された回復を形成する。追跡と回復は異なる状態-行動分布を持つため、専用のエキスパートと、それらの行動を連続的にブレンドするproprioceptive gateを用いる。展開時には立ち上がり参照や回復コマンド、軌跡検索、外部ポリシースイッチを必要としない。

2. 先行研究と比べてどこがすごい？

従来の追跡専用ポリシーは学習された追跡分布内では信頼性が高いが、転倒により低身長で接触の多い状態に移行すると、前進コマンドが一時的に到達不能になる。追跡専用ポリシーは実現不可能な参照を追いかけ、急速で大きな振幅の四肢補正を生じ、ロボットと周囲へのリスクを増大させる。StableMimicは、追跡分布を超えて訓練することで、転倒後の回復を構造化し、追跡と回復の異なる分布を専門のエキスパートとゲートで扱う点が新しい。また、隠れた後続状態目的により、参照の同一性や位相を展開時のActorに公開せずに人間参照形状の回復を学習する。

3. 技術・手法の肝は？

手法の肝は、1) 複数の人間の立ち上がり参照を中心に摂動リセットを行い、追跡分布外の状態（prone, supine, off-balance, intermediate ground-contact）を学習に含めること、2) 追跡用と回復用の専用エキスパートを用意し、proprioceptive gateがそれらの行動を連続的にブレンドすること、3) 隠れた後続状態目的（hidden successor-state objective）を用いて、参照の同一性や位相をActorに公開せずに人間参照形状の回復を学習すること、4) 展開時には立ち上がり参照や回復コマンド、軌跡検索、外部ポリシースイッチを不要にすること。

4. どうやって有効だと検証した？

完全なリターゲット済みLAFAN1ダンスサブセットにおいて、5手法の中で4つの追跡メトリクスすべてで最低誤差を達成。各手法100回のマッチングされた押し倒し試行で、StableMimicは100/100で回復し、7つの転倒後動作・負荷指標のうち6つで最低値を達成し、このプロトコル下での対話安全性の向上を示した。実機Unitree G1でのダンスと立位参照展開では、四肢の動きが制限され、自律回復とコマンド再開が質的に実証された。

5. 議論はある？

要旨からは、議論の余地や限界についての明示的な記述は不明。ただし、提案手法は特定のプロトコル（マッチングされた押し倒し試行）での安全性向上を示すが、実世界の多様な転倒シナリオや、ゲートのブレンドが追跡性能に与える影響、隠れた後続状態目的の学習安定性などについては、さらなる検討が必要かもしれない。また、実機展開は質的な評価であり、定量的な安全性指標はシミュレーションに基づく。

6. 次に読むべき論文は？

要旨で参照されている研究は、ヒューマノイドモーション追跡（例: Humanoid motion trackers）、人間の立ち上がり参照（human get-up references）、LAFAN1データセット、Unitree G1ロボットなど。次に読むべき論文としては、モーション追跡のベースライン手法（例: DeepMimic, AMP, ASE）や、転倒回復に特化した研究、階層的強化学習によるスキル切り替え、proprioceptive gateを用いたマルチエキスパート学習などが関連する。具体的には、要旨で比較された5手法のうちの他手法や、LAFAN1を用いたモーション追跡の既存研究が挙げられる。

※ 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: Weihao Wu, Ming Huang, Ruofei Liu, Jinglei Nie, Shuxiang Guo, Chunying Li

分類: cs.RO

原文アブストラクト

Humanoid motion trackers perform reliably within learned tracking distributions, but falls can move the robot into low-height, contact-rich states from which an advancing command is temporarily unreachable. Tracking-only policies may chase infeasible references, producing rapid, large-amplitude limb corrections that increase risk to the robot and its surroundings. We present StableMimic, a unified tracker trained beyond the nominal tracking distribution. Perturbed resets around multiple human get-up references expose prone, supine, off-balance, and intermediate ground-contact states, shaping structured recovery that returns the robot to the trackable region. Because tracking and recovery occupy markedly different state--action distributions, StableMimic uses dedicated experts for each regime and a proprioceptive gate that continuously blends their actions. A hidden successor-state objective teaches human-reference-shaped recovery without exposing reference identity or phase to the deployed Actor; deployment requires no get-up reference, recovery command, trajectory retrieval, or external policy switch. On the complete retargeted LAFAN1 dance subset, StableMimic achieves the lowest errors on all four tracking metrics among five methods. Across 100 matched push-to-fall trials per method, it recovers in 100/100 and attains the lowest values on six of seven post-fall motion and load measures, supporting improved interaction safety under this protocol. Real Unitree G1 dance and standing-reference deployments qualitatively demonstrate bounded limb motion, autonomous recovery, and command resumption.

arXivで原文を読む →arXiv概要ページ

← 論文一覧