身体図式方策:効率的なロボット移動操作のための視覚・行動インターフェースとしての身体
論文あり
Body Schema Policy: Body as the Vision–Action Interface for Efficient Robot Loco-Manipulation
著者・所属 (5)
著者の順序: 原文順
- 初版公開
- 2026-11-17
- 最新の論文改訂
- v1 · 2026-11-17
- 会議・学術誌
- 未提供
BSPは、全身移動操作を対象とする視覚運動模倣学習方策。ロボットの運動学ツリー上の関節・リンク特徴から画像を参照し、拡散過程で行動チャンクを生成する。Unitree G1はシミュレーションと実機、Fetchはシミュレーションで評価された。
モデルの説明全文を見る論文あり
Body Schema Policy: Body as the Vision–Action Interface for Efficient Robot Loco-Manipulation
著者の順序: 原文順
出典確認日 · 2026-11-22
学習にはタスク別の実演を用いる。プロジェクトページではコード公開予定とされている。公開重み、入手方法、コードと重みのライセンスは未確認。 重みやコードの公開は、そのままロボットで動作することを意味しません。必要な構成、データ、インターフェースを資料で確認してください。
行動
ノイズ除去後の行動チャンク
ヒューマノイド / 移動マニピュレータ
複数タスク
模倣学習
このバージョンまたは選択した重みの検証済み独立評価結果はありません。
公開元の評価 · 報告値・独立再現なし
BSP論文の評価実験 · SIMPLE・Unitree G1シミュレーション ↗成功エピソード数(全270回): 221 count
表1。総パラメータ数3,500万。9タスク、各30エピソード(各評価レベル10回)。
公開元の評価 · 報告値・独立再現なし
BSP論文の評価実験 · SIMPLE・Unitree G1シミュレーション ↗行動チャンク当たりの遅延: 13.9 ms
RTX 6000 Ada
16ステップの行動チャンク
表1。総パラメータ数3,500万。9タスク、各30エピソード(各評価レベル10回)。
公開元の評価 · 報告値・独立再現なし
BSP論文の評価実験 · Unitree G1・実機 ↗台車押しの成功数(全10回): 8 count
表3。総パラメータ数4,830万。タスクごとに実機試行10回、学習用の実演15回。
公開元の評価 · 報告値・独立再現なし
BSP論文の評価実験 · Unitree G1・実機 ↗ペダル式ごみ箱タスクの成功数(全10回): 8 count
表3。総パラメータ数4,830万。タスクごとに実機試行10回、学習用の実演15回。
公開元の評価 · 報告値・独立再現なし
BSP論文の評価実験 · Unitree G1・実機 ↗行動チャンク当たりの遅延: 17.4 ms
RTX 5090
表3。総パラメータ数4,830万。タスクごとに実機試行10回、学習用の実演15回。
公開元の評価 · 報告値・独立再現なし
BSP論文の評価実験 · ManiSkill-HAB SetTable・Fetchシミュレーション ↗冷蔵庫を開ける成功率: 34.4 %
表2。総パラメータ数4,740万。学習3シードの平均で、標準偏差は3.6ポイント。このサブタスクは1シードにつき1,008エピソードを評価。
公開元の評価 · 報告値・独立再現なし
BSP論文の評価実験 · ManiSkill-HAB SetTable・Fetchシミュレーション ↗冷蔵庫を閉める成功率: 20.6 %
表2。総パラメータ数4,740万。学習3シードの平均で、標準偏差は1.6ポイント。このサブタスクは1シードにつき1,008エピソードを評価。
公開元の評価 · 報告値・独立再現なし
BSP論文の評価実験 · ManiSkill-HAB SetTable・Fetchシミュレーション ↗物体配置の成功率: 16.5 %
表2。総パラメータ数4,740万。学習3シードの平均で、標準偏差は1.6ポイント。このサブタスクは1シードにつき1,008エピソードを評価。
Unitree G1・SIMPLEシミュレーション(3,500万) 9タスクで221/270回成功。RTX 6000 Adaで16ステップの行動チャンク生成に13.9 ms。
Unitree G1・実機(4,830万) 台車押しとペダル式ごみ箱の操作で各8/10回成功。RTX 5090でチャンク当たり17.4 ms。
Fetch・ManiSkill-HABシミュレーション(4,740万) SetTableの冷蔵庫開け34.4 ± 3.6%、閉め20.6 ± 1.6%、配置16.5 ± 1.6%。サブタスクごとに3シード、各シード1,008エピソードの平均 ± 標準偏差。 Fetchのシミュレーションでは、頭部と手先のRGB画像、関節状態、言語指示を入力する。
G1実機は頭部のRealSense D435iと2基のDex3-1を搭載し、HoloMotion v1.4で43関節を制御。パラメータ数は各評価構成のモデル全体を示す。