Natural Humanoid Robot Locomotion with Generative Motion Prior

要約

自然でリアルな移動は、ヒューマノイドロボットが人間社会と相互作用するための基本的な課題のままです。
ただし、以前の方法は、動きの自然性を無視するか、不安定であいまいなスタイルの報酬に依存しています。
この論文では、天然のヒューマノイドロボットの移動のタスクのためにきめ細かい運動レベルの監督を提供する新しい生成運動事前（GMP）を提案します。
自然の人間の動きを活用するために、まず全身の動きのリターゲティングを採用して、それらを効果的にロボットに移します。
その後、オフラインで生成モデルをトレーニングして、条件付き変分自動エンコーダーに基づいてロボットの将来の自然参照動画を予測します。
ポリシートレーニング中、生成モーションプライアは、凍結したオンラインモーションジェネレーターとして機能し、ジョイントアングルやキーポイントポジションを含む軌跡レベルで正確かつ包括的な監督を提供します。
生成運動は、学習プロセス全体で詳細かつ密度の高いガイダンスを提供することにより、トレーニングの安定性を大幅に向上させ、解釈性を向上させます。
シミュレーションと現実世界の両方の環境での実験結果は、我々の方法が既存のアプローチと比較して優れた運動の自然さを達成することを示しています。
プロジェクトページは、https：//sites.google.com/view/humanoid-gmpにあります

要約(オリジナル)

Natural and lifelike locomotion remains a fundamental challenge for humanoid robots to interact with human society. However, previous methods either neglect motion naturalness or rely on unstable and ambiguous style rewards. In this paper, we propose a novel Generative Motion Prior (GMP) that provides fine-grained motion-level supervision for the task of natural humanoid robot locomotion. To leverage natural human motions, we first employ whole-body motion retargeting to effectively transfer them to the robot. Subsequently, we train a generative model offline to predict future natural reference motions for the robot based on a conditional variational auto-encoder. During policy training, the generative motion prior serves as a frozen online motion generator, delivering precise and comprehensive supervision at the trajectory level, including joint angles and keypoint positions. The generative motion prior significantly enhances training stability and improves interpretability by offering detailed and dense guidance throughout the learning process. Experimental results in both simulation and real-world environments demonstrate that our method achieves superior motion naturalness compared to existing approaches. Project page can be found at https://sites.google.com/view/humanoid-gmp

arxiv情報

提供元, 利用サービス

arxiv.jp, Google