ECHO-H

四肢の荷重もランダム化する強いドメインランダム化で学習したECHOの適応方策。G1の左右のすねに2 kgずつ載せた追従試験と、四肢に計10 kgを分散した全身動作を論文が報告している。

論文・レポート (1)

ECHO:ヒューマノイドの全身制御向けコンテキスト内行動基盤モデル

論文あり

ECHO: In-Context Behavior foundation model for Humanoid Whole-Body Control

arXiv: 2611.25778DOI: 10.48550/arxiv.2611.25778
著者・所属 (10)

著者の順序: 原文順

  1. Xingyi Wangco-first author

    Zhejiang University · Institute of Artificial Intelligence (TeleAI), China Telecom

  2. Bin Lico-first author

    Institute of Artificial Intelligence (TeleAI), China Telecom · ShanghaiTech University

  3. Jiyuan Shi

    Institute of Artificial Intelligence (TeleAI), China Telecom

  4. Chenyun Zhang

    Institute of Artificial Intelligence (TeleAI), China Telecom

  5. Weiji Xie

    Institute of Artificial Intelligence (TeleAI), China Telecom · Shanghai Jiao Tong University

  6. Xiangyu Miao

    Institute of Artificial Intelligence (TeleAI), China Telecom · Shanghai Jiao Tong University

  7. Junsong Wu

    Institute of Artificial Intelligence (TeleAI), China Telecom · Shanghai Jiao Tong University

  8. Wei Song

    Zhejiang University

  9. Shiqiang Zhucorresponding author

    Zhejiang University

初版公開
2026-11-20
最新の論文改訂
v1 · 2026-11-20
会議・学術誌
未提供

対象モデルバージョン

論文 ↗PDF ↗

取得方法と利用条件

このバージョンの学習コードは未確認です。公開コードの存在は、この版の学習実装の公開を意味しません。

学習・ファインチューニングコード

公開情報

出典確認日 · 2026-11-20

導入前の確認事項

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。

制御方式と入出力

モデルの種類
運動・全身制御
バックボーン
ECHO-PRE
入力
ロボット状態

適用範囲と学習方法

身体範囲

単一本体

機能分類

action_control

出力

行動

ロボット形態

ヒューマノイド

タスク範囲

複数タスク

学習方式

強化学習

情報源または訂正を送信