日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

協調制御arXiv:2611.22275

Heave-Ho: 分散型長期的ヒューマノイド協調

Heave-Ho: Decentralized Long-Horizon Multi-Humanoid Collaboration

シェア:XThreadsFacebookLINEはてブBluesky

複数のヒューマノイドが分散制御と音声によるリーダー・フォロワー調整で長期的な協調運搬・操作を実現するフレームワークを提案し、最大10台の異種チームへのスケールとベンチマークHH-Benchを構築した。

詳しい要約

1. どんなもの?

- 複数 humanoid による long-horizon な協調 loco-manipulation を実現する分散型フレームワーク Heave-Ho を提案 - 低レベルでは humanoid foundation tracking model を multi-agent post-training で物理的に結合した協調動作へ適応 - 高レベルでは vision-language planner と speech-based leader-follower 機構でネットワーク通信なしに同期 - 2 台の同一 humanoid で訓練し最大 10 台のチームや heterogeneous チームへ汎化 - 評価用に HH-Bench(2〜10 台、heterogeneous 含む 12 タスク)を導入

2. 先行研究と比べてどこがすごい?

- 従来の単体 humanoid 能力の枠を超え、whole-body の物理的結合を伴う協調を対象化 - 分散実行を前提とし、ネットワーク通信に依存せず speech-based な leader-follower で同期する点が特徴 - 2 台訓練から最大 10 台・heterogeneous チームへ再訓練なしでスケールする点を主張 - 既存ベースラインを一貫して上回ると報告 - 具体的な先行研究名や比較対象の詳細は要旨からは不明

3. 技術・手法の肝は?

- 低レベル: humanoid foundation tracking model を multi-agent post-training で物理結合インタラクションに適応し、local observations のみから分散制御 - 高レベル: vision-language planner を訓練し long-horizon な計画を生成 - 調整: speech-based leader-follower coordination mechanism により通信なしで分散実行を同期 - 訓練は同一 humanoid 2 台で実施し、チーム規模・heterogeneous 構成への汎化を狙う設計

4. どうやって有効だと検証した?

- HH-Bench を新たに構築し、2〜10 台のチーム・heterogeneous チームを含む 12 タスクで体系的に評価 - Heave-Ho がベースライン手法を一貫して上回ることを示す - 実世界実験で困難なタスクにおける堅牢な分散協調を実証 - 具体的な指標・被験タスクの詳細は要旨からは不明

5. 議論はある?

- 2 台訓練から 10 台・heterogeneous チームへの汎化が主張されるが、その限界や失敗条件の議論は要旨からは不明 - speech-based 同期の頑健性(騒音・通信遅延等)に関する議論は要旨からは不明 - 実世界実験の規模・被験者・再現性に関する詳細は要旨からは不明 - HH-Bench のタスク設計や評価指標の妥当性に関する議論は要旨からは不明

6. 次に読むべき論文は?

- humanoid foundation model / humanoid foundation tracking model に関する研究 - multi-agent post-training や分散強化学習による協調制御の研究 - vision-language planner(VLM-based planning)に関する研究 - leader-follower 型のマルチロボット協調・同期手法 - loco-manipulation ベンチマークおよびマルチヒューマノイド協調ベンチマーク(HH-Bench 関連) - 具体的な参照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: Ting-Hsuan Chen, Siheng Zhao, Han Jiang, Qi Pan, Louison Lu, Jiaheng Luo, Henghui Bao, Yiyu Chen, Quan Nguyen, Yue Wang

分類: cs.RO, cs.CV, cs.LG

原文アブストラクト

Collaboration promises to extend humanoid capabilities beyond what individual robots can achieve. However, realizing this potential requires coordinated whole-body interactions, coherent long-horizon planning, and precise synchronization across robots. We introduce Heave-Ho, a decentralized framework for long-horizon collaborative multi-humanoid loco-manipulation. At the low level, we develop a multi-agent post-training framework that adapts a humanoid foundation tracking model to physically coupled interactions between humanoids, enabling coordinated decentralized control from local observations alone. At the high level, we train a vision-language planner and design a speech-based leader-follower coordination mechanism to synchronize decentralized execution without network communication. Trained with two identical humanoids, our system scales to teams of up to ten robots and generalizes to heterogeneous teams without retraining. To benchmark these capabilities, we introduce HH-Bench, comprising 12 tasks involving teams of 2 to 10 humanoids, including heterogeneous teams. Systematic evaluations show that Heave-Ho consistently outperforms baseline methods, while real-world experiments demonstrate robust decentralized collaboration across challenging tasks.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3パナソニックHDなど、触覚に即応する両手作業AI「T-Rex」を共同開発研究・技術
  4. 4SoftBank主導、Agile Robotsが5億ドル調達 NVIDIAと日立も参加資金調達
  5. 5NTT、ロボットの行動前に荷崩れを予測研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI