論文の概要: Human sensory-musculoskeletal modeling and control of whole-body movements

• arxiv url: http://arxiv.org/abs/2506.00071v1
• Date: Thu, 29 May 2025 16:42:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:32.187292
• Title: Human sensory-musculoskeletal modeling and control of whole-body movements
• Title（参考訳）: ヒト感覚筋骨格モデルと全身運動の制御
• Authors: Chenhui Zuo, Guohao Lin, Chen Zhang, Shanning Zhuang, Yanan Sui,
• Abstract要約: 感覚筋骨格系の動的モデルの構築は、運動制御の理解と人間の行動の調査に不可欠である。 骨,関節,筋腱の正確な解剖学的表現を統合した,SMS-Humanと呼ばれるヒトの感覚・筋骨格モデルについて報告する。
• 参考スコア（独自算出の注目度）: 10.253693485647444
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Coordinated human movement depends on the integration of multisensory inputs, sensorimotor transformation, and motor execution, as well as sensory feedback resulting from body-environment interaction. Building dynamic models of the sensory-musculoskeletal system is essential for understanding movement control and investigating human behaviours. Here, we report a human sensory-musculoskeletal model, termed SMS-Human, that integrates precise anatomical representations of bones, joints, and muscle-tendon units with multimodal sensory inputs involving visual, vestibular, proprioceptive, and tactile components. A stage-wise hierarchical deep reinforcement learning framework was developed to address the inherent challenges of high-dimensional control in musculoskeletal systems with integrated multisensory information. Using this framework, we demonstrated the simulation of three representative movement tasks, including bipedal locomotion, vision-guided object manipulation, and human-machine interaction during bicycling. Our results showed a close resemblance between natural and simulated human motor behaviours. The simulation also revealed musculoskeletal dynamics that could not be directly measured. This work sheds deeper insights into the sensorimotor dynamics of human movements, facilitates quantitative understanding of human behaviours in interactive contexts, and informs the design of systems with embodied intelligence.
• Abstract（参考訳）: 協調した人間の動きは、多感覚入力、感覚運動変換、運動実行の統合、および体と環境の相互作用による感覚フィードバックに依存する。 感覚筋骨格系の動的モデルの構築は、運動制御の理解と人間の行動の調査に不可欠である。 本稿では, 骨, 関節, 筋腱の正確な解剖学的表現と, 視覚, 前庭, 受容, 触覚成分を含むマルチモーダル感覚入力を統合した, SMS-Humanと呼ばれるヒトの感覚・筋骨格モデルについて報告する。 多感覚情報を統合した筋骨格系における高次元制御の課題に対処するために,段階的に階層的な深層強化学習フレームワークを開発した。 この枠組みを用いて,二足歩行,視覚誘導物体操作,自転車走行時の人間と機械の相互作用など,3つの代表的な運動課題のシミュレーションを実演した。 以上の結果から,自然運動と模擬運動の類似性が示唆された。 シミュレーションでは、直接測定できない筋骨格のダイナミクスも明らかにされた。 この研究は、人間の運動の感覚運動力学に関する深い洞察を包含し、対話的な文脈における人間の行動の定量的理解を促進し、インテリジェンスを具現化したシステムの設計を通知する。

関連論文リスト

• Emergent Active Perception and Dexterity of Simulated Humanoids from Visual Reinforcement Learning [69.71072181304066]
  本稿では,擬似ヒューマノイドを用いた視覚駆動全身制御フレームワークであるPerceptive Dexterous Control (PDC)を紹介する。 PDCは、タスク仕様のためのエゴセントリックなビジョンのみを運用し、ビジュアルキューによるオブジェクト検索、ターゲット配置、スキル選択を可能にする。 強化学習によるスクラッチからのトレーニングは,能動探索などの創発的な行動を引き起こす可能性があることを示す。
  論文  参考訳（メタデータ） (2025-05-18T07:33:31Z)
• Self Model for Embodied Intelligence: Modeling Full-Body Human Musculoskeletal System and Locomotion Control with Hierarchical Low-Dimensional Representation [22.925312305575183]
  筋骨格モデル(MS-Human-700)を90個の体節,206個の関節,700個の筋腱ユニットで構築した。 低次元表現と階層的深部強化学習を用いた新しいアルゴリズムを開発し、最先端のフルボディ制御を実現する。
  論文  参考訳（メタデータ） (2023-12-09T05:42:32Z)
• ReMoS: 3D Motion-Conditioned Reaction Synthesis for Two-Person Interactions [66.87211993793807]
  本稿では,2人のインタラクションシナリオにおいて,人の全身運動を合成する拡散モデルReMoSを提案する。 ペアダンス,忍術,キックボクシング,アクロバティックといった2人のシナリオでReMoSを実証する。 また,全身動作と指の動きを含む2人のインタラクションに対してReMoCapデータセットを寄贈した。
  論文  参考訳（メタデータ） (2023-11-28T18:59:52Z)
• InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
  関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。 そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-11-27T14:32:33Z)
• Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
  ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。 コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
  論文  参考訳（メタデータ） (2023-11-26T09:11:32Z)
• Modelling Human Visual Motion Processing with Trainable Motion Energy Sensing and a Self-attention Network [1.9458156037869137]
  本稿では,生体とコンピュータの視覚モデルとのギャップを埋めることで,人間の動作知覚のイメージ計算可能なモデルを提案する。 このモデルアーキテクチャは、生体視覚システムにおける運動知覚のコア構造であるV1-MTの計算を捉えることを目的としている。 サイリコ神経生理学では、我々のモデルの単位応答は、運動プーリングやスピードチューニングに関する哺乳類の神経記録に類似していることが明らかになっている。
  論文  参考訳（メタデータ） (2023-05-16T04:16:07Z)

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。