実機データ不要で汎化可能なヒューマノイド全身移動操作を実現するZero-HLM

- 実ロボットデータ無しで humanoid loco-manipulation を学習する real-to-sim-to-real フレームワーク Zero-HLM の提案。 - smartphone 撮影と simulated source demonstrations から学習データを生成。 - Gaussian-guided agentic real-to-sim reconstruction で視覚・物理シーンを整合。 - motion-environment co-adaptation で全身参照と interaction geometry を補正。 - Unitree G1 の3タスク向けに4,800件の physically validated demonstrations を生成。

- 実世界 demonstrations の高コストが generalizable humanoid loco-manipulation のボトルネックである点を出発点に、simulation ベースの代替を狙う。 - 単なる simulation ではなく、visual fidelity と physics-ready な scene、実行可能な whole-body motion を両立させる枠組みを提示。 - 実データ学習と比較し、simulation 学習の GR00T N1.7 が mean full-task success 66.7% 対 46.7% と報告。 - 追加の実 demonstrations 無しに generalized configurations で pooled success 23%→69% へ改善。

- Gaussian-guided agentic real-to-sim reconstruction により、smartphone 撮影から視覚的・物理的に整合した scene を構築。 - simulated source demonstrations を起点に、motion-environment co-adaptation を rollout feedback で反復補正。 - whole-body references と interaction geometry を修正し、実行可能な loco-manipulation データへ変換。 - 生成データは physically validated な demonstrations として学習に使用。

- Unitree G1 の3タスクで zero-shot transfer を評価。 - 4,800件の physically validated demonstrations を生成し、simulation-trained GR00T N1.7 を検証。 - mean full-task success は 66.7%、real-data training は 46.7%。 - generalized configurations では pooled success が base-trained real-data policies の 23% から 69% へ向上。

- 実ロボットデータ無しでの generalizable humanoid loco-manipulation 学習可能性を示す一方、評価は Unitree G1 の3タスクに限定。 - real-to-sim reconstruction の visual/physical fidelity や co-adaptation の一般性に関する議論は要旨からは不明。 - 実データ学習との比較条件やタスク難易度の詳細は要旨からは不明。 - 実機展開時の安全性・頑健性に関する議論は要旨からは不明。

- GR00T N1.7（本論文で比較・使用される基盤 policy）。 - Gaussian splatting 系の real-to-sim reconstruction 関連研究（Gaussian-guided reconstruction の基礎として）。 - humanoid loco-manipulation の simulation-based learning および sim-to-real transfer の代表的先行研究。 - Unitree G1 を用いた whole-body manipulation の関連研究。