HoloBoxing：単一GPU7分で学ぶヒューマノイドボクシングの簡易レシピ

- 人間型ロボットのboxingタスクを学習するための簡潔なレシピ「HoloBoxing」を提案する研究。 - pretrained whole-body controllerを土台に、再利用可能なmotor skillsとタスク判断を分離する構成。 - compact plannerが将来のbody-point targetsを要求し、frozen controllerがjoint-level executionを担う。 - 学習済みdecoderが32次元actionをstructured target windowsへ写像する。 - measured-state imitationでplannerを初期化した後、reinforcement learningでタスク学習を行う。

- whole-body controlを再学習せず、pretrained whole-body controllerをfrozenで再利用する点が特徴。 - タスク最適化をcompactなupper policyに集中させ、decoderとcontrollerを再利用する。 - reward-driven explorationの前にimitation初期化で初期挙動を供給する。 - 追加学習が約7分（reused representation fittingとsingle-GPU task runを含む）と報告されている。 - ただしcontroller pretraining、data preparation、evaluation、searchはこの時間に含まれない。 - 具体的な先行研究との定量比較は要旨からは不明。

- pretrained whole-body controllerをfrozenのまま用い、joint-level executionを委譲する。 - compact plannerがfuture body-point targetsを出力するアーキテクチャ。 - learned decoderが32-dimensional actionsをstructured target windowsへ変換する。 - measured-state imitationによりplannerを初期化する。 - その後reinforcement learningでinteraction behaviorをrefineし、decoderとcontrollerは再利用する。 - タスク最適化の対象をcompact upper policyに限定する設計。

- simulated boxing experimentsで得られた挙動を評価している。 - component controlsにより、imitation initializationとtarget representationの役割を検証している。 - 具体的な評価指標や比較条件の詳細は要旨からは不明。

- 約7分という追加学習時間はcontroller pretraining、data preparation、evaluation、searchを除外した条件である点に注意が必要。 - imitation initializationとtarget representationの寄与がcomponent controlsで議論されている。 - 実機実験やsim-to-realの検証、他タスクへの汎化については要旨からは不明。

- 土台となるpretrained whole-body controllerに関する研究（要旨では具体的な文献名は示されていない）。 - measured-state imitationおよびimitation initializationに関連する模倣学習研究。 - reinforcement learningによるhumanoid loco-manipulation/boxing関連研究。 - structured target representationやaction decoderを用いた階層型policy設計の研究。