論文の概要: Target Pose Guided Whole-body Grasping Motion Generation for Digital Humans

• arxiv url: http://arxiv.org/abs/2410.01840v1
• Date: Thu, 26 Sep 2024 05:43:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 14:34:44.441144
• Title: Target Pose Guided Whole-body Grasping Motion Generation for Digital Humans
• Title（参考訳）: デジタル人間のための全体グラスピング動作生成のためのターゲットポーズガイド
• Authors: Quanquan Shao, Yi Fang,
• Abstract要約: 本稿では,デジタル人間のための把握動作生成フレームワークを提案する。 我々はまず,オフザシェルフ目標把握ポーズ生成法に基づいて,全身デジタル人間のターゲットポーズを生成する。 最初のポーズとこの生成されたターゲットポーズで、トランスフォーマーベースのニューラルネットワークを使用して、把握軌道全体を生成する。
• 参考スコア（独自算出の注目度）: 8.741075482543991
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Grasping manipulation is a fundamental mode for human interaction with daily life objects. The synthesis of grasping motion is also greatly demanded in many applications such as animation and robotics. In objects grasping research field, most works focus on generating the last static grasping pose with a parallel gripper or dexterous hand. Grasping motion generation for the full arm especially for the full humanlike intelligent agent is still under-explored. In this work, we propose a grasping motion generation framework for digital human which is an anthropomorphic intelligent agent with high degrees of freedom in virtual world. Given an object known initial pose in 3D space, we first generate a target pose for whole-body digital human based on off-the-shelf target grasping pose generation methods. With an initial pose and this generated target pose, a transformer-based neural network is used to generate the whole grasping trajectory, which connects initial pose and target pose smoothly and naturally. Additionally, two post optimization components are designed to mitigates foot-skating issue and hand-object interpenetration separately. Experiments are conducted on GRAB dataset to demonstrate effectiveness of this proposed method for whole-body grasping motion generation with randomly placed unknown objects.
• Abstract（参考訳）: グラッピング操作は、人間の日常生活オブジェクトとの相互作用の基本的なモードである。 つかみ動作の合成は、アニメーションやロボット工学といった多くの応用においても非常に要求される。 物体をつかむ研究分野において、ほとんどの研究は、平行グリップまたはデキスタラスハンドで最後の静的グリップポーズを生成することに重点を置いている。 フルアーム、特にフルヒューマンライクなインテリジェントエージェントのためのグラスピング動作生成は、まだ未調査である。 本研究では,仮想世界で自由度の高い人間型知的エージェントであるデジタル人間のための把握動作生成フレームワークを提案する。 3次元空間における初期ポーズが既知のオブジェクトに与えられると、まず、オフザシェルフ目標把握ポーズ生成法に基づいて、全身デジタル人間のターゲットポーズを生成する。 初期ポーズとこの生成されたターゲットポーズを用いて、トランスフォーマーベースのニューラルネットワークを使用して、初期ポーズとターゲットポーズをスムーズに自然に接続する把握軌道全体を生成する。 さらに、2つのポスト最適化コンポーネントは、フットスケート問題とハンドオブジェクトの相互接続を別々に軽減するように設計されている。 GRABデータセットを用いて,ランダムに配置された未知物体を用いた全身把握動作生成法の有効性を示す実験を行った。

関連論文リスト

• WANDR: Intention-guided Human Motion Generation [67.07028110459787]
  我々は,アバターの初期ポーズとゴールの3D位置を取り,ゴール位置にエンドエフェクタ(抵抗)を配置する自然な人間の動きを生成するデータ駆動モデルであるWADRを紹介する。 インテンションはエージェントをゴールに誘導し、サブゴールやモーションパス全体を定義することなく、新しい状況にインタラクティブに世代を適応させる。 提案手法を広範に評価し,3次元目標に到達した自然および長期の動作と,見当たらない目標位置を生成できることを実証する。
  論文  参考訳（メタデータ） (2024-04-23T10:20:17Z)
• GRIP: Generating Interaction Poses Using Spatial Cues and Latent Consistency [57.9920824261925]
  手は器用で多用途なマニピュレータであり、人間が物体や環境とどのように相互作用するかの中心である。 現実的な手オブジェクトの相互作用をモデル化することは、コンピュータグラフィックス、コンピュータビジョン、混合現実の応用において重要である。 GRIPは、体と物体の3次元運動を入力として取り、物体の相互作用の前、中、後の両方の両手の現実的な動きを合成する学習ベースの手法である。
  論文  参考訳（メタデータ） (2023-08-22T17:59:51Z)
• 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)
• Embodied Scene-aware Human Pose Estimation [25.094152307452]
  シーン認識型人間のポーズ推定手法を提案する。 本手法は, シミュレーション環境下でのグローバルな3次元人間のポーズを再現し, 因果関係の1段階である。
  論文  参考訳（メタデータ） (2022-06-18T03:50:19Z)
• GOAL: Generating 4D Whole-Body Motion for Hand-Object Grasping [47.49549115570664]
  既存の方法は、手と頭を無視して、身体の主肢に焦点を合わせている。手は別々に研究されているが、対象物の現実的な静的な把握に焦点が当てられている。 我々は、全体の動きと現実的な手の動きを同時に生成する必要がある。 本研究では,未知の物体をつかむアバターの全身,手,頭部の動きを初めて生成する問題に対処する。
  論文  参考訳（メタデータ） (2021-12-21T18:59:34Z)
• SAGA: Stochastic Whole-Body Grasping with Contact [60.43627793243098]
  人間の握り合成には、AR/VR、ビデオゲーム、ロボット工学など多くの応用がある。 本研究の目的は,体全体をつかむ動作を合成することである。3次元物体が与えられたら,物体に接近してつかむような,多様で自然な人体の動きを生成することを目的としている。
  論文  参考訳（メタデータ） (2021-12-19T10:15:30Z)
• Estimating 3D Motion and Forces of Human-Object Interactions from Internet Videos [49.52070710518688]
  一つのRGBビデオからオブジェクトと対話する人の3D動作を再構築する手法を提案する。 本手法では,被験者の3次元ポーズを物体のポーズ,接触位置,人体の接触力とともに推定する。
  論文  参考訳（メタデータ） (2021-11-02T13:40:18Z)
• Task-Generic Hierarchical Human Motion Prior using VAEs [44.356707509079044]
  人間の動きを記述する深い生成モデルは、幅広いコンピュータビジョンやグラフィックタスクに役立てることができる。 本稿では,グローバル・ローカル・ラテント・スペースの組み合わせを用いて,特定のタスクに依存しない複雑な人間の動作を学習する手法を提案する。 映像に基づく人間のポーズ推定を含む様々なタスクにおいて,階層的な動き変動自動エンコーダの有効性を実証する。
  論文  参考訳（メタデータ） (2021-06-07T23:11:42Z)

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。