日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
ヒューマノイド/全身制御arXiv:2610.30044

スパースポーズ駆動によるヒューマノイド移動操作の動作生成と全身制御

SP-HLM: Sparse-Pose-Driven Motion Generation and Whole-Body Control for Humanoid Loco-Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

5つの重要身体ポーズと学習済み動作潜在表現を組み合わせたインターフェースで、VLAモデルが疎なポーズを予測し、動作生成モデルと全身追従制御がリアルタイムに協調全身動作を実現するヒューマノイド移動操作フレームワーク。

詳しい要約

1. どんなもの？

- ヒューマノイドの loco-manipulation 向けフレームワーク SP-HLM の提案 - 高レベル task policy と whole-body control の間のインターフェースを設計 - sparse-pose-driven なインターフェースを中核に据える - 構成要素 - SP-VLA: vision-language-action model。多modal観測と言語指示から sparse pose と finger joint 位置を予測 - SP-MGM: motion generation model。sparse target から full-body motion を再構成 - SP-GMT: general motion tracker。whole-body control を担う - 目的は motion tracking、whole-body coordination、loco-manipulation 成功率の向上

2. 先行研究と比べてどこがすごい？

- 既存インターフェースは task intent と whole-body coordination の双方に単一の action representation を用いる - その結果、高レベル policy に負担がかかる、または一方の側面が underspecified になる問題がある - SP-HLM は sparse pose と learned latent motion prior を相補的に組み合わせる点が異なる - 空間的意図と全身協調を別々の形式で表現 - 実験で既存手法より motion tracking、whole-body coordination、loco-manipulation 成功率が改善したと報告 - 具体的な比較対象は要旨からは不明

3. 技術・手法の肝は？

- sparse-pose-driven interface - 5つの task-critical body pose と learned latent motion prior を組み合わせる - SP-VLA - multimodal 観測と言語指示から task-relevant な sparse pose と finger joint 位置を予測 - asynchronous action-chunk inference を採用 - SP-MGM - two-stage distillation で学習した motion generation model - sparse target から coordinated full-body motion を real time で再構成 - pretrained motion encoder - 生成 motion を compact latent representation に変換 - SP-GMT - 明示的 sparse target と暗黙的 motion prior を統合して whole-…

4. どうやって有効だと検証した？

- simulation と real humanoid robot の両方で実験 - 評価軸 - motion tracking - whole-body coordination - loco-manipulation success - 既存手法と比較して改善を確認したと記載 - 具体的なベースライン名、指標値、被験タスクの詳細は要旨からは不明 - project page で追加結果と動画を公開

5. 議論はある？

- 要旨からは不明 - 限界、失敗事例、計算コスト、real-time 性の定量評価、sim-to-real gap への議論は明示されていない - 示唆される論点 - sparse pose の選定（5つの task-critical pose）の一般性 - latent motion prior と明示 target の統合バランス - asynchronous action-chunk inference の遅延・安定性への影響

6. 次に読むべき論文は？

- 要旨で直接参照・比較されている研究は明示されていない - 関連手法として次を検討 - vision-language-action model（VLA）系のヒューマノイド loco-manipulation 研究 - motion generation と distillation を用いる humanoid motion tracking 研究 - whole-body control と motion prior を組み合わせる humanoid control 研究 - action chunking / asynchronous inference を用いる policy 研究 - 具体的な論文名は要旨からは不明

※ 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: Zhaohui Yang, Quanbao Lin, Chengqi Shi, Zhenglang Weng, Jicheng Lin, Boyu Chen, Tengjie Zhu, Guanzhu Ren, Jiahao Xu, Yang Feng, Xiaokang Yang, Yao Mu

分類: cs.RO, cs.AI

原文アブストラクト

Humanoid loco-manipulation requires an effective interface between high-level task policies and whole-body control. Existing interfaces typically rely on a single action representation for both task intent and whole-body coordination. This may burden the high-level policy or leave one aspect underspecified. We present SP-HLM, a framework built on a sparse-pose-driven interface. The interface combines five task-critical body poses with a learned latent motion prior to represent spatial intent and whole-body coordination in complementary forms. SP-VLA, a vision-language-action model, first predicts task-relevant sparse poses and finger joint positions from multimodal observations and language instructions using asynchronous action-chunk inference. Given these sparse targets, SP-MGM, a motion generation model trained through two-stage distillation, reconstructs coordinated full-body motion in real time. A pretrained motion encoder maps this motion to a compact latent representation. SP-GMT, a general motion tracker, then integrates the explicit sparse targets with this implicit motion prior for whole-body control. Experiments in simulation and on a real humanoid robot demonstrate improved motion tracking, whole-body coordination, and loco-manipulation success over existing approaches. Additional results and videos are available on our \href{https://sp-hlm.github.io/}{\textcolor{blue}{project page}}.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI