日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
ヒューマノイド/移動操作arXiv:2611.09266

SUGARv2: 合成インタラクション参照から多様な視覚ヒューマノイド移動操作スキルを学習

SUGARv2: Learning Diverse Visual Humanoid Loco-Manipulation Skills from Synthesized Interaction References

シェア:XThreadsFacebookLINEはてブBluesky

タスクテンプレートを空間配置に合わせて適用し参照動作を合成、参照ベース模倣を共通目的として特権教師の蒸留と強化学習で視覚方策を訓練し、実機ヒューマノイドへのsim2real転移を実現した。

詳しい要約

1. どんなもの？

- 視覚に基づくヒューマノイドのloco-manipulationスキルを多様に学習するための統合フレームワーク「SUGARv2」 - タスクと空間配置が増えても人手の負担を抑えることを狙う - デモ収集とタスク固有の訓練設計のコスト削減が動機 - 構成は2本柱 - interaction reference synthesis: 再利用可能なtask templateを空間配置に適応させ、ロボットと物体の協調動作を合成 - 共通の訓練パイプライン: reference-based imitationを全タスク共通の学習目的として使用 - 対象は5つのhumanoid loco-manipulationタスク

2. 先行研究と比べてどこがすごい？

- 従来はタスク・空間配置の拡大ごとにデモ収集とタスク固有のreward設計・訓練が必要で人手コストが大きい - 本研究の違い - デモを人手で集める代わりに、task templateの適応でreferenceを低コストに合成 - タスクごとのreward設計を避け、reference-based imitationを共通目的として使う - privileged teacher→visual policyの蒸留とRLを同一のreference-based mimic rewardで実施 - 具体的な先行研究名・比較数値は要旨からは不明

3. 技術・手法の肝は？

- interaction reference synthesis - 再利用可能なtask templateを異なる空間配置へ適応し、ロボットと物体の協調動作referenceを合成 - 学習は2段階 - まずprivileged teacherを訓練し、合成referenceを実行させる - 次にvisual policyをteacher distillationとreinforcement learningで訓練 - RLも同じreference-based mimic rewardを使用 - 視覚汎化とsim-to-real transfer向けの工夫 - 多様なobject instanceを使用 - visual domain randomizationを適用

4. どうやって有効だと検証した？

- 5つのhumanoid loco-manipulationタスクで評価 - simulationでの平均success rateは91.0% - 実機ヒューマノイドへのdeploymentを実施 - whole-body manipulationにおけるsim-to-real transferの成功を示す - 詳細なタスク名、比較手法、実機試行回数などは要旨からは不明

5. 議論はある？

- 著者は、多様なvisual humanoid loco-manipulationスキル学習へのframeworkの可能性を示唆 - 低コストなreference合成と共通訓練目的により、タスク・配置拡大時の人手削減を狙う点が主張 - 限界・失敗事例・sim-to-realの定量評価・スケーラビリティの議論は要旨からは不明

6. 次に読むべき論文は？

- 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 - 関連手法として次を検討 - privileged teacherからのteacher distillationとreinforcement learningを用いるvisual locomotion/manipulation研究 - reference-based imitation（motion imitation系） - visual domain randomizationとsim-to-real transfer - humanoid whole-body loco-manipulationの学習研究

※ 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: Tianshu Wu, Tianxiang Gui, Yue Chen, Tingxu Liu, Ziye Peng, Guangjie Yang, Xiangqi Kong, Ye Shi, Jingya Wang, Hao Dong

分類: cs.RO

原文アブストラクト

Scaling up visual humanoid loco-manipulation skill acquisition requires reducing the human effort needed as tasks and spatial configurations expand, particularly in demonstration collection and task-specific training design. We present SUGARv2, a unified framework for learning diverse visual humanoid loco-manipulation skills through interaction reference synthesis and a shared training pipeline. To obtain diverse references at low cost, we adapt reusable task templates to different spatial configurations, synthesizing coordinated robot and object motions. To reduce task-specific reward design and training effort, we use reference-based imitation as a common learning objective across tasks. We first train privileged teachers to execute these references, then train visual policies through teacher distillation and reinforcement learning with the same reference-based mimic rewards, using diverse object instances and visual domain randomization to support visual generalization and sim-to-real transfer. Across five humanoid loco-manipulation tasks, SUGARv2 achieves a mean success rate of 91.0% in simulation. Deployment on a real humanoid robot further demonstrates successful sim-to-real transfer for whole-body manipulation. These results demonstrate the framework's potential for learning diverse visual humanoid loco-manipulation skills.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  1. 1パナソニックHDら、ロボット操作AI「T-Rex」を共同開発　12タスクで平均成功率65％研究・技術
  2. 2シンロボティクス、AI除草ロボを2027年6月発売　価格500万円新製品・発表
  3. 3NVIDIA、Cosmosを用いたインタラクティブシミュレーション向け世界モデルを解説研究・技術
  4. 4Hugging Face、ロボット学習基盤「LeRobot v0.7.0」を公開　対話操作と大規模データ学習に対応新製品・発表
  5. 5NVIDIA、Vera CPUのエージェント処理性能を公表　x86比で速度・電力効率を比較半導体・GPU
PR本紙発行元 EmplifAI