X-WBC：ヒューマノイド全身制御のためのクロスエンボディメント基盤モデル

ヒューマノイドの全身制御（whole-body control）を汎用展開するための cross-embodiment foundation framework「X-WBC」を提案する研究。 - 人間の運動意味論（shared human motion semantics）と身体固有の物理実行（embodiment-specific physical execution）を分離する。 - 人間中心の command tokens が、full human motion・robot reference motion・sparse VR observations を整列する。 - causal Transformer が複数ロボットの mixed rollouts から再利用可能な時間構造を学習し、軽量な robot-specific modules が共有表現を各ロボットの proprioception と action space に写像する。

既存手法は通常1ロボットにつき1ポリシーを学習し、運動経験が embodiment 間で孤立していた。 - X-WBC は cross-embodiment の foundation framework として、共有可能な人間運動意味論を embodiment 固有の実行から分離する点が新しい。 - 9つの simulated embodiments・外部運動・4つの real robots で、joint training が tracking を改善し、整列表現が command sources 間で一貫した制御を支え、学習コーパス外でも競争力を保つことを示した。 - 異種ヒューマノイドを joint data sources として扱えることを支持する。

技術の肝は、共有表現と embodiment 固有モジュールの分離にある。 - 人間中心の command tokens により、full human motion・robot reference motion・sparse VR observations を整列。 - causal Transformer が mixed multi-robot rollouts から再利用可能な時間構造を学習。 - 軽量な robot-specific modules が共有表現を各ロボットの proprioception と action space に写像。 - これにより embodiment をまたぐ joint training を可能にする。

9つの simulated embodiments、外部運動、4つの real robots で実験。 - joint training が tracking を改善することを示した。 - 整列された表現が command sources 間で一貫した制御を支えることを示した。 - 学習したポリシーが training corpus を超えても競争力を保つことを示した。 - これらの結果が異種ヒューマノイドを joint data sources とすることを支持すると述べている。

要旨からは不明。 - 限界や失敗事例、計算コスト、real robots 間の転送ギャップなどについての議論は要旨に記載がない。 - 今後の課題や倫理的影響についても要旨からは不明。

要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として、humanoid whole-body control、cross-embodiment learning、foundation models for robotics、causal Transformer、VR teleoperation などが挙げられる。 - 同分野の定番として、human motion corpora を用いた imitation learning や reinforcement learning による whole-body control の研究を次に読むべき。 - 具体的な論文名は要旨からは不明。