論文の概要: From Universal Humanoid Control to Automatic Physically Valid Character
Creation
- arxiv url: http://arxiv.org/abs/2206.09286v1
- Date: Sat, 18 Jun 2022 22:04:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-22 18:43:24.665019
- Title: From Universal Humanoid Control to Automatic Physically Valid Character
Creation
- Title(参考訳): ユニバーサルヒューマノイド制御から自動身体的有効文字生成へ
- Authors: Zhengyi Luo, Ye Yuan, Kris M. Kitani
- Abstract要約: キャラクター制作者は、空手キックやパールジャンプなどの特定の動きに合わせてカスタマイズされたヒューマノイド体をデザインしたいと考える場合もある。
本研究では,人体に有効な人体を自動生成するヒューマノイド設計フレームワークを提案する。
- 参考スコア(独自算出の注目度): 30.06332986541815
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automatically designing virtual humans and humanoids holds great potential in
aiding the character creation process in games, movies, and robots. In some
cases, a character creator may wish to design a humanoid body customized for
certain motions such as karate kicks and parkour jumps. In this work, we
propose a humanoid design framework to automatically generate physically valid
humanoid bodies conditioned on sequence(s) of pre-specified human motions.
First, we learn a generalized humanoid controller trained on a large-scale
human motion dataset that features diverse human motion and body shapes.
Second, we use a design-and-control framework to optimize a humanoid's physical
attributes to find body designs that can better imitate the pre-specified human
motion sequence(s). Leveraging the pre-trained humanoid controller and physics
simulation as guidance, our method is able to discover new humanoid designs
that are customized to perform pre-specified human motions.
- Abstract(参考訳): 仮想人間とヒューマノイドの自動設計は、ゲーム、映画、ロボットにおけるキャラクター生成プロセスを支援する大きな可能性を持っている。
キャラクター制作者は、空手キックやパールジャンプなどの特定の動きに合わせてカスタマイズされたヒューマノイド体をデザインしたいと考える場合もある。
本研究では,予め特定された人間の動作のシーケンスに基づいて,身体的に有効なヒューマノイドを自動生成するヒューマノイド設計フレームワークを提案する。
まず,多種多様な人間の動作と体型を特徴とする大規模ヒューマンモーションデータセット上で訓練された汎用ヒューマノイドコントローラを学習する。
第二に、設計と制御の枠組みを用いて、ヒューマノイドの物理的特性を最適化し、事前に特定された人間の動作シーケンスをよりよく模倣できるボディデザインを見つける。
トレーニング済みのヒューマノイドコントローラと物理シミュレーションをガイダンスとして利用することにより、事前に特定された人間の動作をカスタマイズした新しいヒューマノイドデザインを発見できる。
関連論文リスト
- Learning Human-to-Humanoid Real-Time Whole-Body Teleoperation [34.65637397405485]
本稿では,Human to Humanoid(H2O)について紹介する。H2Oは,RGBカメラのみを搭載したヒューマノイドロボットのリアルタイム遠隔操作を実現するフレームワークである。
我々は、これらの洗練された動きを用いてシミュレーションで頑健なリアルタイムヒューマノイド運動模倣機を訓練し、実ヒューマノイドロボットにゼロショットで転送する。
私たちの知る限りでは、学習に基づくリアルタイムな人型ロボット遠隔操作を実現する最初のデモとなる。
論文 参考訳(メタデータ) (2024-03-07T12:10:41Z) - Expressive Whole-Body Control for Humanoid Robots [20.132927075816742]
我々は、人間の動きをできるだけリアルに模倣するために、人間サイズのロボットで全身制御ポリシーを学習する。
シミュレーションとSim2Real転送のトレーニングにより、私たちのポリシーはヒューマノイドロボットを制御して、さまざまなスタイルで歩いたり、人と握手したり、現実世界で人間と踊ったりできる。
論文 参考訳(メタデータ) (2024-02-26T18:09:24Z) - Universal Humanoid Motion Representations for Physics-Based Control [74.53927919796139]
本稿では、ヒューマノイド制御のための総合的な運動スキルを含む普遍的な運動表現について述べる。
まず、大きな非構造運動データセットから人間の動きをすべて模倣できる動き模倣機を学習する。
次に、模倣者から直接スキルを蒸留することで、動作表現を作成します。
論文 参考訳(メタデータ) (2023-10-06T20:48:43Z) - Efficient automatic design of robots [43.968830087704035]
本研究では,ロボットの構造を1台のコンシューマ級コンピュータ上で数秒以内の所望の動作を示すために,初めて非ノボ最適化を示す。
他の勾配に基づくロボット設計法とは異なり、このアルゴリズムは特定の解剖学的形態を前提としていない。
この進歩は、医療、環境、車両、宇宙ベースのタスクのためのユニークで有用な機械の設計、製造、展開をほぼ瞬時に約束する。
論文 参考訳(メタデータ) (2023-06-05T21:30:52Z) - Task-Oriented Human-Object Interactions Generation with Implicit Neural
Representations [61.659439423703155]
TOHO: 命令型ニューラル表現を用いたタスク指向型ヒューマンオブジェクトインタラクション生成
本手法は時間座標のみでパラメータ化される連続運動を生成する。
この研究は、一般的なヒューマン・シーンの相互作用シミュレーションに向けて一歩前進する。
論文 参考訳(メタデータ) (2023-03-23T09:31:56Z) - Zero-Shot Robot Manipulation from Passive Human Videos [59.193076151832145]
我々は,人間の映像からエージェント非依存の行動表現を抽出するフレームワークを開発した。
我々の枠組みは、人間の手の動きを予測することに基づいている。
トレーニングされたモデルゼロショットを物理ロボット操作タスクにデプロイする。
論文 参考訳(メタデータ) (2023-02-03T21:39:52Z) - HERD: Continuous Human-to-Robot Evolution for Learning from Human
Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。
本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-12-08T15:56:13Z) - Skeleton2Humanoid: Animating Simulated Characters for
Physically-plausible Motion In-betweening [59.88594294676711]
現代の深層学習に基づく運動合成アプローチは、合成された運動の物理的妥当性をほとんど考慮していない。
テスト時に物理指向の動作補正を行うシステムSkeleton2Humanoid'を提案する。
挑戦的なLaFAN1データセットの実験は、物理的妥当性と精度の両方の観点から、我々のシステムが先行手法を著しく上回っていることを示している。
論文 参考訳(メタデータ) (2022-10-09T16:15:34Z) - S3: Neural Shape, Skeleton, and Skinning Fields for 3D Human Modeling [103.65625425020129]
歩行者の形状、ポーズ、皮膚の重みを、データから直接学習する神経暗黙関数として表現します。
各種データセットに対するアプローチの有効性を実証し,既存の最先端手法よりも再現性が優れていることを示す。
論文 参考訳(メタデータ) (2021-01-17T02:16:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。