VLA ギャラリー / モデル一覧 / ヒューマノイド全身制御器

BeyondMimic

UC Berkeley·Stanford University · 2025-08

VAヒューマノイド全身制御器拡散方策19.95Mdiffusion

適応サンプリングで長いモーションの難しい区間を学習し、LAFAN1の動作をパラメータ調整なしで実機に移す。

論文

バックボーンLLM: なし
ビジョンエンコーダ: —
アクションヘッド: 拡散プランナー (Transformer 6層、19.95M) (diffusion)
チャンク: 非公開
制御周期: 非公開
構造の原文要約: MLPトラッカー(actor・critic [512, 256, 128]、ELU): 固有感覚 + 参照モーション → 関節目標 / ガイド付き拡散方策: Transformerデコーダ6層・4ヘッド・512次元

事前学習アクセラレータ: 非公開 (Isaac Lab v2.1.0、repo)
事前学習期間: 非公開
事前学習ステップ・バッチ: max_iterations 30000 · envあたり24ステップ、4096 env (repo); sim dt 0.005、decimation 4
GPU・TPU時間: 非公開
ファインチューニング: 該当なし
データ種類: モーションキャプチャ / シミュレーション・合成
データ規模: 人のモーション約2.5時間(v4); 実機配備30クリップ(15分); 拡散方策データはドメインランダム化した専門家方策のロールアウト(規模非公開)
主要データセット: UnitreeリターゲティングLAFAN1、先行研究データセット、オンラインアニメーションデータ
タスク・評価: Unitree G1の側転・疾走・360°回転ジャンプ; 拡散方策でウェイポイントナビゲーション・ジョイスティック遠隔操作・障害物回避(ジョイスティック実験あたり50回)
ロボット: Unitree G1

推論デバイス・速度: トラッカー: ロボットCPUのONNX Runtime、ステップあたり1.0 ms未満 / 拡散方策: オフボードRTX 4060 Mobile TensorRT、デノイジング20ステップ約20 ms
推論メモリ: 非公開
重み bf16(計算): 非公開
実行場所: オフボードのノートPC + ロボットCPU

強化学習: 使用 (RL制御器の学習) · MLPトラッカーをIsaac Lab actor-critic RL(環境4,096個)で学習。拡散プランナーは教師あり学習
ベース制御: ヒューマノイド歩行 (RL方策が直接駆動) · 追跡方策が参照モーションに従い全身関節PD目標を直接出力(歩行・走行・側転); 拡散方策はジョイスティック速度・ウェイポイントコスト誘導で歩行を生成

主な特徴: 適応サンプリングで長いモーションの難しい区間を学習し、LAFAN1の動作をパラメータ調整なしで実機に移す。拡散方策はテスト時ガイダンスでウェイポイント・ジョイスティック・障害物回避の目標に従う。
備考: パラメータ(B)は総パラメータが非公開のためnull(拡散方策19.95Mのみ公開、トラッカーは非公開)。アーキテクチャは拡散プランナー基準でTransformer、トラッカーはMLP。モーション別の収束イテレーション(Cristiano Ronaldo 1.5k、ダンス8k~10k)†。以前のHTML版はLAFAN1参照40個(各数分)。arXiv v4 2025-11-13。追跡学習コードはMIT、チェックポイントは記載なし。
検証: 確認