DiffWBC：ワンステップ拡散による操縦可能な汎用人型全身運動追従

- ヒューマノイドの全身運動追従(whole-body control)を生成モデルで行う枠組み「DiffWBC」 - one-step diffusion model により将来の軌道分布をモデル化する汎用トラッカー - 単一コントローラで3機能を統合 - 汎用トラッキング - テスト時のステアリング(test-time steering) - シミュレーション不要の失敗発見 - 制御周期は 50 Hz で1ステップ1回の順伝播 - 実機 Unitree G1 に搭載

- 従来の汎用トラッカーは決定論的方策が主流で、オンライン適応には脆い参照編集や高コストな再学習が必要だった - DiffWBC は生成パラダイムに移行し、再学習なしでテスト時ステアリングを可能にする - 6つの汎用トラッカー中、held-out ベンチマークで最小の局所追従誤差(BONES で 20.1 mm) - 参照編集ベースの運動学的編集と比較し、1.25 m 天井での clean pass が 0.84 対 0.10 と大幅に優位 - ハードル・空間リーチング・アクチュエータ故障・トレイバランスへ zero-shot 汎化

- one-step diffusion model で将来軌道の分布を学習する生成型 whole-body controller - 学習経路は2通り - RL teacher からの蒸留 - model-based RL によるゼロからの学習 - テスト時ステアリング - 微分可能なコスト勾配 - body-group masks - これらで凍結したコントローラをオンライン変調 - 失敗発見 - 生成ノイズ間の plan dispersion を利用し、物理シミュレーションなしで追従失敗を検出 - 検出クリップへの targeted fine-tuning

- held-out ベンチマークで6つの汎用トラッカーと比較し、局所追従誤差が最小(BONES 20.1 mm) - 実機 Unitree G1 への搭載を実施 - テスト時ステアリングを参照編集と比較(1.25 m 天井で clean pass 0.84 対 0.10) - ハードル・空間リーチング・アクチュエータ故障・トレイバランスへの zero-shot 汎化を評価 - 失敗発見は top 2% で precision 91% を報告 - 検出クリップへの fine-tuning で失敗ケースの 50% を解消

- 要旨からは不明(具体的な限界や失敗分析の議論は記述されていない) - 言及されている範囲では、失敗発見の precision 91%(top 2%)と fine-tuning による 50% 解消が残課題を示唆 - 実機展開は Unitree G1 のみで、他機体への一般性は要旨からは不明

- RL teacher からの蒸留や model-based RL に関する元研究(要旨では個別論文名の参照なし) - 比較対象の6つの汎用トラッカー(具体的名称は要旨からは不明) - 参照編集ベースの運動学的編集(kinematic reference editing)手法 - one-step diffusion 系の生成モデル(例: consistency models, diffusion distillation) - ヒューマノイド運動追従の定番である RL ベースの whole-body controller