STAMP: Korea University und ROBOTIS verketten Humanoid-Bewegungen mit 80,7 % Erfolg auf dem G1
Wer vor dem Erzeugen einer Zwischenbewegung festlegt, wo und wann die nächste Bewegung beginnt, steigert die Erfolgsquote beim Nachführen von Humanoid-Übergängen auf 80,7 Prozent beim Unitree G1 und 87,5 Prozent beim ROBOTIS K1, gegenüber 69,6 und 84,7 Prozent mit einfacher Interpolation. Das zeigt ein Preprint der Korea University und von ROBOTIS; getrennt erzeugte Bewegungen wie Laufen und Boxschlag lassen sich so ohne Handarbeit an jeder Naht verketten.
Wie verbindet man zwei unabhängig erzeugte oder aufgezeichnete Humanoid-Bewegungen so, dass eine Tracking-Policy die gesamte Folge auf dem Roboter ausführen kann?
Bewegungsbibliotheken für Humanoide entstehen Clip für Clip. Beim Verketten ist offen, wo der zweite Clip relativ zum ersten beginnt, in welche Richtung der Roboter schaut und wie lange der Übergang dauert. Zwei für sich plausible Clips führen bei beliebiger Platzierung zu rutschenden Füßen, zusätzlichen Drehungen oder ungewollten Schritten.
Üblich ist, den Start des zweiten Clips an das Ende des ersten zu setzen und Position und Ausrichtung zu interpolieren. Generative Inbetweening-Modelle wie Kimodo oder MotionBricks liefern reichere Bewegungen, behalten aber die ursprüngliche Platzierung bei und erfinden bei schlechter Anordnung ungewollte Fortbewegung.
STAMP arbeitet im Raum menschlicher Bewegung. Beide Roboter-Clips werden auf ein menschliches Skelett übertragen; ein Ausrichtungsmodell aus zwei kleinen Transformer-Encodern bewertet 388 Platzierungskandidaten für den zweiten Clip (Versatz in der Ebene, Ausrichtung von minus 60 bis 90 Grad, Dauer 0,5 bis 2,0 s) und wählt den günstigsten. Ein diffusionsbasiertes Bewegungsmodell erzeugt dann den Übergang, die fertige Folge wird zurück auf den Roboter übertragen und mit einer BeyondMimic-Policy nachgeführt. Beide Modelle lassen sich über Robotertypen hinweg wiederverwenden.
18 Bewegungspaare aus Boxen, Industriewartung und Verkehrsregelung, je 1.024 simulierte Durchläufe: Unitree G1 mit 80,69 Prozent Erfolg für STAMP gegenüber 69,59 Prozent bei Interpolation, 56,91 Prozent bei MotionBricks und 50,69 Prozent bei Kimodo ohne Ausrichtung; Geschwindigkeitsfehler 0,229 statt 0,258 m/s. ROBOTIS K1 mit 87,52 Prozent gegenüber 84,70 (Interpolation) und 64,55 Prozent (Kimodo). Der Kandidat auf Rang 100 statt Rang 1 kostet 9,36 Punkte auf dem G1 und 15,62 Punkte auf dem K1. Auf einem realen K1 entstand beim Übergang vom Laufen zum Boxschlag ein Verbindungsschritt statt rutschender Füße, und vier Gesten der Verkehrsregelung wurden zu längeren Folgen verkettet.
Preprint. Die Erfolgsquote wird in der Simulation gegen die jeweils selbst erzeugte Referenz gemessen, nicht gegen einen Soll-Übergang; pro Referenz gibt es nur einen Trainingslauf. Jede verkettete Folge braucht weiterhin eine eigene Tracking-Policy. Die Belege am realen Roboter sind qualitativ, ergänzt um einen Motorstromvergleich mit fünf Durchläufen für ein Bewegungspaar, bei dem sich die Ströme laut Autoren schon zu Beginn unterschieden. Der Vorsprung vor Interpolation auf dem K1 beträgt nur 2,8 Punkte.
Nützlich für Humanoid-Hersteller, die Vorführ- und Serviceabläufe aus Bewegungsbibliotheken zusammensetzen, etwa ROBOTIS mit dem K1 und Unitree mit dem G1, und für Anbieter von Humanoiden für Empfang, Sicherheit oder Verkehrsregelung. Für europäische Integratoren, die mehrere Plattformen betreiben, zählt vor allem die Wiederverwendung einer einmal erstellten Choreografie über verschiedene Roboter. Der Weg in die Praxis hängt davon ab, das Training pro Folge abzuschaffen; das dürfte noch 12 bis 24 Monate Forschung erfordern.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.