論文の概要: PlaMo: Plan and Move in Rich 3D Physical Environments

• arxiv url: http://arxiv.org/abs/2406.18237v1
• Date: Wed, 26 Jun 2024 10:41:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-27 13:49:09.623127
• Title: PlaMo: Plan and Move in Rich 3D Physical Environments
• Title（参考訳）: PlaMo:リッチな3D物理環境の計画と動き
• Authors: Assaf Hallak, Gal Dalal, Chen Tessler, Kelly Guo, Shie Mannor, Gal Chechik,
• Abstract要約: シーン認識型パスプランナで,ロバストな物理制御系であるPlaMoについて紹介する。 プランナーは、シーンが動きに課す様々な制限を考慮して、一連の動き経路を生成する。 私たちのコントロールポリシーは、計画に忠実なリッチでリアルな物理運動を生成します。
• 参考スコア（独自算出の注目度）: 68.75982381673869
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Controlling humanoids in complex physically simulated worlds is a long-standing challenge with numerous applications in gaming, simulation, and visual content creation. In our setup, given a rich and complex 3D scene, the user provides a list of instructions composed of target locations and locomotion types. To solve this task we present PlaMo, a scene-aware path planner and a robust physics-based controller. The path planner produces a sequence of motion paths, considering the various limitations the scene imposes on the motion, such as location, height, and speed. Complementing the planner, our control policy generates rich and realistic physical motion adhering to the plan. We demonstrate how the combination of both modules enables traversing complex landscapes in diverse forms while responding to real-time changes in the environment. Video: https://youtu.be/wWlqSQlRZ9M .
• Abstract（参考訳）: 複雑な物理的にシミュレートされた世界におけるヒューマノイドの制御は、ゲーム、シミュレーション、視覚コンテンツ作成における多くの応用において長年の課題である。 我々の設定では、リッチで複雑な3Dシーンを前提として、ユーザはターゲット位置と移動タイプからなる命令のリストを提供する。 この課題を解決するために、シーン認識パスプランナとロバストな物理ベースのコントローラであるPlaMoを紹介する。 経路プランナーは、場所、高さ、速度など、シーンが動きに課す様々な制限を考慮して、一連の動き経路を生成する。 プランナーを補完し、我々の制御ポリシーは計画に忠実なリッチでリアルな物理運動を生成する。 両モジュールの組み合わせによって,環境のリアルタイムな変化に対応しながら,多様な形態で複雑な景観をトラバースできることを示す。 ビデオ: https://youtu.be/wWlqSQlRZ9M

関連論文リスト

• MaskedMimic: Unified Physics-Based Character Control Through Masked Motion Inpainting [38.15158715821526]
  MaskedMimicは、物理に基づく文字制御を一般的なモーションインペイント問題として定式化する新しいアプローチである。 MaskedMimicは、モーションインペイントによる文字制御を統一することにより、多目的な仮想文字を生成する。 これらのキャラクターは複雑なシーンに動的に適応し、必要に応じて多様な動きを構成でき、よりインタラクティブで没入的な体験を可能にする。
  論文  参考訳（メタデータ） (2024-09-22T11:10:59Z)
• Neural MP: A Generalist Neural Motion Planner [75.82675575009077]
  運動計画問題にデータ駆動学習を大規模に適用することで,これを実現する。 提案手法は, シミュレーションの複雑なシーンを多数構築し, モーションプランナーから専門家のデータを収集し, 反応的なジェネラリストポリシーに抽出する。 我々は,4つの異なる環境における64の動作計画タスクについて,その方法の徹底的な評価を行う。
  論文  参考訳（メタデータ） (2024-09-09T17:59:45Z)
• Physics-based Scene Layout Generation from Human Motion [21.939444709132395]
  本研究では、シーンレイアウト生成を同時に最適化し、物理シミュレータで動く人間をシミュレートする物理に基づくアプローチを提案する。 我々は、強化学習を用いて、キャラクタ動作模倣コントローラとシーンレイアウトジェネレータの両方の二重最適化を行う。 提案手法は,SAMPとPROXの動作を用いて評価し,従来のキネマティクス法と比較して,物理的に妥当なシーンレイアウトの再構築を示す。
  論文  参考訳（メタデータ） (2024-05-21T02:36:37Z)
• Synthesizing Physically Plausible Human Motions in 3D Scenes [41.1310197485928]
  物理的にシミュレートされたキャラクタが,多様で散らばった,見えない場面で長時間のインタラクションタスクを実行できるフレームワークを提案する。 具体的には、InterConには2つの補完的なポリシーが含まれており、文字が対話状態に入り、去ることができる。 異なる場所でのオブジェクトとのインタラクションを生成するために,3Dシーンの自由空間において文字の動きを保ち続けるために,ポリシーに従う軌道であるNavConをさらに設計する。
  論文  参考訳（メタデータ） (2023-08-17T15:17:49Z)
• QuestEnvSim: Environment-Aware Simulated Motion Tracking from Sparse Sensors [69.75711933065378]
  ヘッドセットとコントローラーのポーズは,高度に制約された環境においても,現実的なフルボディのポーズを生成可能であることを示す。 本稿では,環境表現,接触報酬,シーンランダム化の3つの特徴について論じる。
  論文  参考訳（メタデータ） (2023-06-09T04:40:38Z)
• CIRCLE: Capture In Rich Contextual Environments [69.97976304918149]
  そこで我々は,アクターが仮想世界において知覚し,操作する新たな動き獲得システムを提案する。 9つのシーンにわたる5人の被験者から10時間のフルボディ到達動作を含むデータセットであるCIRCLEを提示する。 このデータセットを用いて、シーン情報に基づいて人間の動きを生成するモデルを訓練する。
  論文  参考訳（メタデータ） (2023-03-31T09:18:12Z)
• Playable Environments: Video Manipulation in Space and Time [98.0621309257937]
  再生可能な環境 - 空間と時間におけるインタラクティブなビデオ生成と操作のための新しい表現。 提案フレームワークでは,1枚の画像を推論時に生成し,対象物を3次元に移動させ,所望のアクションを連続して生成する。 提案手法は,各フレームの環境状態を構築し,提案したアクションモジュールで操作し,ボリュームレンダリングで画像空間に復号化することができる。
  論文  参考訳（メタデータ） (2022-03-03T18:51:05Z)
• The ThreeDWorld Transport Challenge: A Visually Guided Task-and-Motion Planning Benchmark for Physically Realistic Embodied AI [96.86091264553613]
  3Dワールドトランスポートチャレンジと呼ばれる視覚誘導と物理駆動のタスク・アンド・モーション計画ベンチマークを紹介します。 この課題では、シミュレーションされた実家環境において、2つの9-DOF関節アームを備えたエンボディエージェントをランダムに生成する。 エージェントは、家の周りに散在するオブジェクトの小さなセットを見つけ、それらをピックアップし、望ましい最終的な場所に輸送する必要があります。
  論文  参考訳（メタデータ） (2021-03-25T17:59:08Z)

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。