論文の概要: SimDiff: Simulator-constrained Diffusion Model for Physically Plausible Motion Generation

• arxiv url: http://arxiv.org/abs/2509.20927v1
• Date: Thu, 25 Sep 2025 09:13:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.810316
• Title: SimDiff: Simulator-constrained Diffusion Model for Physically Plausible Motion Generation
• Title（参考訳）: SimDiff: 物理的に可塑性な運動生成のためのシミュレータ制約拡散モデル
• Authors: Akihisa Watanabe, Jiawei Ren, Li Siyao, Yichen Peng, Erwin Wu, Edgar Simo-Serra,
• Abstract要約: 既存のアプローチでは、しばしば物理的妥当性を強制するために拡散過程にシミュレータベースのモーションプロジェクション層が組み込まれている。 シミュレータに基づく動き予測はガイダンスの形式として解釈可能であることを示す。 環境パラメータを直接デノナイジングプロセスに統合するシミュレータ制約拡散モデルであるSimDiffを提案する。
• 参考スコア（独自算出の注目度）: 16.110091706917675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating physically plausible human motion is crucial for applications such as character animation and virtual reality. Existing approaches often incorporate a simulator-based motion projection layer to the diffusion process to enforce physical plausibility. However, such methods are computationally expensive due to the sequential nature of the simulator, which prevents parallelization. We show that simulator-based motion projection can be interpreted as a form of guidance, either classifier-based or classifier-free, within the diffusion process. Building on this insight, we propose SimDiff, a Simulator-constrained Diffusion Model that integrates environment parameters (e.g., gravity, wind) directly into the denoising process. By conditioning on these parameters, SimDiff generates physically plausible motions efficiently, without repeated simulator calls at inference, and also provides fine-grained control over different physical coefficients. Moreover, SimDiff successfully generalizes to unseen combinations of environmental parameters, demonstrating compositional generalization.
• Abstract（参考訳）: キャラクターアニメーションやバーチャルリアリティーといった応用には、物理的にもっともらしい人間の動きを生成することが不可欠である。 既存のアプローチでは、しばしば物理的妥当性を強制するために拡散過程にシミュレータベースのモーションプロジェクション層が組み込まれている。 しかし、このような手法は並列化を防止するシミュレータのシーケンシャルな性質のため、計算コストがかかる。 シミュレーションに基づく運動投影は, 拡散過程において, 分類器ベースか分類器フリーのいずれにおいても, ガイダンスの形式として解釈可能であることを示す。 この知見に基づいて,環境パラメータ(重力,風など)を直接デノナイジングプロセスに統合するシミュレータ制約拡散モデルであるSimDiffを提案する。 これらのパラメータを条件にすることで、シムディフは推論における繰り返しのシミュレーターコールを使わずに、物理的に可塑性な動きを効率よく生成し、また異なる物理係数に対するきめ細かい制御を提供する。 さらに、SimDiffは環境パラメータの見当たらない組み合わせをうまく一般化し、構成的一般化を実証する。

関連論文リスト

• G-Sim: Generative Simulations with Large Language Models and Gradient-Free Calibration [48.948187359727996]
  G-Simは、厳密な経験的校正によるシミュレータ構築を自動化するハイブリッドフレームワークである。 信頼性のある因果的インフォームドシミュレータを生成し、データ効率を軽減し、堅牢なシステムレベルの介入を可能にする。
  論文  参考訳（メタデータ） (2025-06-10T22:14:34Z)
• GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
  GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。 さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• Realistic Surgical Simulation from Monocular Videos [49.114370617718244]
  本稿では,手軽な手術映像からリアルな手術シミュレーションを自動実行することの課題に対処する。 本稿では,これらの制約を克服する新しい自動シミュレーションシステムであるSurgiSimを提案する。 様々な手術シナリオと相互作用の実験は、SurgiSimが軟組織の現実的なシミュレーションを行う能力を示している。
  論文  参考訳（メタデータ） (2024-12-03T10:32:41Z)
• Informal Safety Guarantees for Simulated Optimizers Through Extrapolation from Partial Simulations [0.0]
  自己教師付き学習は、最先端の言語モデリングのバックボーンである。 自己教師付きデータセットにおける予測損失を伴うトレーニングはシミュレータを引き起こすと論じられている。
  論文  参考訳（メタデータ） (2023-11-29T09:32:56Z)
• Near-realtime Facial Animation by Deep 3D Simulation Super-Resolution [7.14576106770047]
  本稿では,低コストでリアルタイムな物理シミュレーションによって生み出す顔のパフォーマンスを効率よく,現実的に向上させるニューラルネットワークに基づくシミュレーションフレームワークを提案する。 顔のアニメーションをこのようなシミュレーション領域の例に用いて,2つのシミュレータで同じ筋の運動制御と骨格のポーズを単純にダイヤルすることで,この意味の一致を創り出すことができる。 提案するニューラルネットワーク超解像フレームワークは,このトレーニングセットから未確認表現を一般化し,リアルタイム変種における解像度の制限やコスト削減近似による2つのシミュレーション間の不一致をモデル化するための補償を行うとともに,意味記述子やパラメータを必要としない。
  論文  参考訳（メタデータ） (2023-05-05T00:09:24Z)
• Likelihood-Free Inference in State-Space Models with Unknown Dynamics [71.94716503075645]
  本研究では、状態空間モデルにおいて、観測をシミュレートすることしかできず、遷移ダイナミクスが不明な潜在状態の推測と予測を行う手法を提案する。 本研究では,限られた数のシミュレーションで状態予測と状態予測を行う手法を提案する。
  論文  参考訳（メタデータ） (2021-11-02T12:33:42Z)

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。