Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

KungfuBot: Physics-Based Humanoid Whole-Body Control for Learning Highly-Dynamic Skills

Created by
  • Haebom

作者

Weiji Xie, Jinrui Han, Jiakun Zheng, Huanyu Li, Xinzhe Liu, Jiyuan Shi, Weinan Zhang, Chenjia Bai, Xuelong Li

概要

人間型ロボットが人間の行動を模倣して多様な技術を習得することは有望であるが、既存のアルゴリズムは繊細な補償及びカリキュラム設計にもかかわらず、滑らかで低速な人間の動作だけを追跡することができる。本論文は、多段階の動作処理と適応的な動作追跡を通じて、カンフー、ダンスなどの高度に動的な人間の行動を習得することを目的とした物理ベースの人間型ロボット制御フレームワークを提示する。動作を処理するために、物理的な制約を最大限に遵守しながら、動作を抽出、フィルタリング、修正、およびリターゲティングするパイプラインを設計しました。動作模倣のために、現在の追跡誤差に従って追跡精度許容誤差を動的に調整する双方向最適化問題を定式化し、適応カリキュラム機構を作成した。また、政策訓練のために非対称アクタークリティカルフレームワークを構築しました。実験では、非常にダイナミックな一連の動作を模倣するために全身制御ポリシーを訓練した。この方法は、従来のアプローチよりも著しく低い追跡エラーを達成し、Unitree G1ロボットにうまく配布され、安定した表現力のある動作を実証しました。

Takeaways、Limitations

Takeaways:
物理ベースのフレームワークを通じて、非常にダイナミックな人間の動き(カンフー、ダンスなど)を模倣可能
適応カリキュラムメカニズムによるモーショントラッキング性能の向上
実ロボット(Unitree G1)にうまく適用し実証
Limitations:
具体的なLimitationsは論文の内容に記載されていません。
👍