論文の概要: SMPLOlympics: Sports Environments for Physically Simulated Humanoids
- arxiv url: http://arxiv.org/abs/2407.00187v1
- Date: Fri, 28 Jun 2024 18:53:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-04 06:00:32.404809
- Title: SMPLOlympics: Sports Environments for Physically Simulated Humanoids
- Title（参考訳）: SMPLOlympics:体操ヒューマノイドのスポーツ環境
- Authors: Zhengyi Luo, Jiashun Wang, Kangni Liu, Haotian Zhang, Chen Tessler, Jingbo Wang, Ye Yuan, Jinkun Cao, Zihui Lin, Fengyi Wang, Jessica Hodgins, Kris Kitani,
- Abstract要約: SMPLOlympics(SMPLOlympics)は、ヒューマノイドが様々なオリンピック競技に出場できるように、物理的にシミュレートされた環境の集合体である。
ゴルフ、ジャベリン投げ、ハイジャンプ、ロングジャンプ、ハードルなど、さまざまなスポーツ環境を提供する。
分析の結果,強い動きの先行と単純な報酬が組み合わさると,様々なスポーツにおいて人間のような行動が生じる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 33.797780811216754
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We present SMPLOlympics, a collection of physically simulated environments that allow humanoids to compete in a variety of Olympic sports. Sports simulation offers a rich and standardized testing ground for evaluating and improving the capabilities of learning algorithms due to the diversity and physically demanding nature of athletic activities. As humans have been competing in these sports for many years, there is also a plethora of existing knowledge on the preferred strategy to achieve better performance. To leverage these existing human demonstrations from videos and motion capture, we design our humanoid to be compatible with the widely-used SMPL and SMPL-X human models from the vision and graphics community. We provide a suite of individual sports environments, including golf, javelin throw, high jump, long jump, and hurdling, as well as competitive sports, including both 1v1 and 2v2 games such as table tennis, tennis, fencing, boxing, soccer, and basketball. Our analysis shows that combining strong motion priors with simple rewards can result in human-like behavior in various sports. By providing a unified sports benchmark and baseline implementation of state and reward designs, we hope that SMPLOlympics can help the control and animation communities achieve human-like and performant behaviors.
- Abstract（参考訳）: SMPLOlympics(SMPLOlympics)は、ヒューマノイドが様々なオリンピック競技に出場できるように、物理的にシミュレートされた環境の集合体である。
スポーツシミュレーションは、スポーツ活動の多様性と身体的要求の性質から学習アルゴリズムの能力を評価し改善するための、リッチで標準化された試験場を提供する。
人間は長年これらのスポーツに力を入れてきたので、より良いパフォーマンスを達成するための望ましい戦略に関する知識も数多く存在する。
映像とモーションキャプチャの既存の人間のデモを活用するために、視覚とグラフィックスのコミュニティから広く使われているSMPLとSMPL-Xの人間モデルと互換性のあるヒューマノイドを設計する。
ゴルフ,ジャベリン投げ,ハイジャンプ,ロングジャンプ,ハードリングなどの個別スポーツ環境と,卓球,テニス,フェンシング,ボクシング,サッカー,バスケットボールなどの1v1と2v2の競技を含む,競技的なスポーツ環境を提供する。
分析の結果,強い動きの先行と単純な報酬が組み合わさると,様々なスポーツにおいて人間のような行動が生じる可能性が示唆された。
スポーツベンチマークと国家と報酬デザインのベースライン実装を提供することで、SMPLOlympicsは、コントロールやアニメーションのコミュニティが人間らしく、パフォーマンスの高い行動を達成するのに役立つことを期待する。
関連論文リスト
- Strategy and Skill Learning for Physics-based Table Tennis Animation [8.51262627906337]
本稿では,物理に基づく卓球アニメーションのための戦略とスキル学習手法を提案する。
本手法は,複雑なタスクを実行するために必要な運動能力を完全に活用できないモード崩壊の問題に対処する。
論文 参考訳（メタデータ） (2024-07-23T06:31:13Z) - Stimulate the Potential of Robots via Competition [60.69068909395984]
本稿では,個々のロボットが競技者から知識を得るのに役立つ,競争力のある学習フレームワークを提案する。
具体的には、競合相手間の競合情報を、有利な行動を学ぶための補助信号として導入する。
さらに,Multiagent-Race環境を構築し,競争環境において訓練されたロボットが,単一ロボット環境でのSoTAアルゴリズムで訓練されたロボットよりも優れていることを示す。
論文 参考訳（メタデータ） (2024-03-15T17:21:39Z) - SportsNGEN: Sustained Generation of Multi-player Sports Gameplay [19.80390059667457]
本研究では,トランスフォーマーデコーダをベースとしたSportsNGENモデルを提案する。
本研究では,プロテニス追跡データの大規模データベース上でSportsNGENを訓練し,評価する。
さらに、SportsNGENの汎用バージョンは、そのプレイヤーを含むマッチデータを微調整することで、特定のプレイヤーにカスタマイズすることができる。
論文 参考訳（メタデータ） (2024-02-10T01:16:21Z) - SportsPose -- A Dynamic 3D sports pose dataset [0.0]
SportsPoseは、非常にダイナミックなスポーツ運動からなる大規模な3D人間のポーズデータセットである。
SportsPoseは、スポーツ運動の複雑でダイナミックな性質を反映した多種多様な3Dポーズを提供する。
論文 参考訳（メタデータ） (2023-04-04T15:15:25Z) - A Survey on Video Action Recognition in Sports: Datasets, Methods and
Applications [60.3327085463545]
本稿では,スポーツ分析のための映像行動認識に関する調査を行う。
サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。
本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
論文 参考訳（メタデータ） (2022-06-02T13:19:36Z) - Motivating Physical Activity via Competitive Human-Robot Interaction [31.478167639618604]
本プロジェクトは,身体運動やゲームなどの特定のシナリオにおいて,人間に挑戦できるロボットコンペティタを作ることによって,競争力のある人間-ロボットインタラクションの研究を動機付けることを目的としている。
我々は,反復的マルチエージェント強化学習によりロボットの競争相手を育成し,人間の競争相手に対して良好な性能を発揮することを示す。
論文 参考訳（メタデータ） (2022-02-14T22:19:58Z) - From Motor Control to Team Play in Simulated Humanoid Football [56.86144022071756]
我々は、現実的な仮想環境でサッカーをするために、物理的にシミュレートされたヒューマノイドアバターのチームを訓練する。
一連の段階において、プレイヤーはまず、現実的な人間のような動きを実行するために、完全に関節化された身体を制御することを学習する。
その後、ドリブルやシューティングといった中級のサッカーのスキルを身につける。
最後に、彼らは他の人を意識し、チームとしてプレーし、ミリ秒のタイムスケールで低レベルのモーターコントロールのギャップを埋める。
論文 参考訳（メタデータ） (2021-05-25T20:17:10Z) - UniCon: Universal Neural Controller For Physics-based Character Motion [70.45421551688332]
大規模動作データセットから学習することで,異なるスタイルで数千の動作を習得する物理ベースのユニバーサルニューラルコントローラ(UniCon)を提案する。
UniConは、キーボード駆動制御をサポートし、ロコモーションとアクロバティックスキルの大きなプールから引き出されたモーションシーケンスを作成し、ビデオで撮影した人を物理ベースの仮想アバターにテレポートする。
論文 参考訳（メタデータ） (2020-11-30T18:51:16Z) - Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。
フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文 参考訳（メタデータ） (2020-11-18T10:26:02Z)
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。