論文の概要: Switch-JustDance: Benchmarking Whole Body Motion Tracking Policies Using a Commercial Console Game
- arxiv url: http://arxiv.org/abs/2511.17925v1
- Date: Sat, 22 Nov 2025 05:40:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.517594
- Title: Switch-JustDance: Benchmarking Whole Body Motion Tracking Policies Using a Commercial Console Game
- Title（参考訳）: Switch-JustDance: 商用コンソールゲームによる全身動作追跡ポリシーのベンチマーク
- Authors: Jeonghwan Kim, Wontaek Kim, Yidan Lu, Jin Cheng, Fatemeh Zargarbashi, Zicheng Zeng, Zekun Qi, Zhiyang Dou, Nitish Sontakke, Donghoon Baek, Sehoon Ha, Tianyu Li,
- Abstract要約: ロボット全体の制御を評価するために,低コストで再現可能なベンチマークパイプラインであるSwitch-JustDanceを提案する。
まず、Just Danceの評価特性を評価し、その信頼性、妥当性、感度、潜在的なバイアス源を分析した。
我々は、ハードウェア上で3つの最先端のヒューマノイド全体コントローラをベンチマークし、その相対的な強度と限界について洞察を提供する。
- 参考スコア（独自算出の注目度）: 23.345164050786792
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recent advances in whole-body robot control have enabled humanoid and legged robots to perform increasingly agile and coordinated motions. However, standardized benchmarks for evaluating these capabilities in real-world settings, and in direct comparison to humans, remain scarce. Existing evaluations often rely on pre-collected human motion datasets or simulation-based experiments, which limit reproducibility, overlook hardware factors, and hinder fair human-robot comparisons. We present Switch-JustDance, a low-cost and reproducible benchmarking pipeline that leverages motion-sensing console games, Just Dance on the Nintendo Switch, to evaluate robot whole-body control. Using Just Dance on the Nintendo Switch as a representative platform, Switch-JustDance converts in-game choreography into robot-executable motions through streaming, motion reconstruction, and motion retargeting modules and enables users to evaluate controller performance through the game's built-in scoring system. We first validate the evaluation properties of Just Dance, analyzing its reliability, validity, sensitivity, and potential sources of bias. Our results show that the platform provides consistent and interpretable performance measures, making it a suitable tool for benchmarking embodied AI. Building on this foundation, we benchmark three state-of-the-art humanoid whole-body controllers on hardware and provide insights into their relative strengths and limitations.
- Abstract（参考訳）: 近年の全身ロボット制御の進歩により、ヒューマノイドと脚を持つロボットは、より機敏で協調的な動きを行えるようになった。
しかし、これらの能力を評価するための標準的なベンチマークは、実世界の設定で、そして人間と直接比較しても、ほとんどないままである。
既存の評価は、再現性を制限し、ハードウェア要因を見落とし、公正な人間とロボットの比較を妨げる、事前に収集された人間の動きデータセットやシミュレーションに基づく実験に依存していることが多い。
我々は,Nintendo SwitchのモーションセンシングコンソールゲームであるJust Danceを利用した,低コストで再現可能なベンチマークパイプラインであるSwitch-JustDanceを紹介し,ロボット全体のコントロールを評価する。
Nintendo SwitchのJust Danceを代表プラットフォームとして、Switch-JustDanceはゲーム内でのコレオグラフィーを、ストリーミング、モーション再構成、モーションリターゲティングモジュールを通じてロボット実行可能なモーションに変換する。
まず、Just Danceの評価特性を評価し、その信頼性、妥当性、感度、潜在的なバイアス源を分析した。
以上の結果から,このプラットフォームは一貫性と解釈可能なパフォーマンス対策を提供し,組込みAIのベンチマークに適したツールであることが示された。
この基礎の上に構築され、ハードウェア上で3つの最先端のヒューマノイド全体コントローラをベンチマークし、その相対的な強度と限界についての洞察を提供する。
関連論文リスト
- KungfuBot: Physics-Based Humanoid Whole-Body Control for Learning Highly-Dynamic Skills [58.73043119128804]
そこで本研究では,Kungfuやダンスなどの人体動作を高度に制御することを目的とした,物理学に基づくヒューマノイド制御フレームワークを提案する。
動作処理では,運動の抽出,フィルタリング,修正,再ターゲティングを行うパイプラインを設計し,物理的制約の遵守を確実にする。
動作模倣では、二段階最適化問題を定式化し、追従精度の許容度を動的に調整する。
実験では,高ダイナミックな動作のセットを模倣するために全身制御ポリシーを訓練する。
論文 参考訳（メタデータ） (2025-06-15T13:58:53Z) - ExBody2: Advanced Expressive Humanoid Whole-Body Control [16.69009772546575]
人間のモーションキャプチャーとシミュレーションデータの両方に基づいてトレーニングされた全身トラッキングコントローラの製作法を提案する。
我々は,ロボットのキネマティクスに適合する中間データを生成するために,教師の方針を利用する。
少量のデータによる微調整により追跡性能が大幅に向上した。
論文 参考訳（メタデータ） (2024-12-17T18:59:51Z) - Know your limits! Optimize the robot's behavior through self-awareness [11.021217430606042]
最近の人間ロボット模倣アルゴリズムは、高精度な人間の動きを追従することに焦点を当てている。
本稿では,ロボットが参照を模倣する際の動作を予測できるディープラーニングモデルを提案する。
我々のSAW(Self-AWare Model)は、転倒確率、基準運動への固執、滑らかさといった様々な基準に基づいて、潜在的なロボットの挙動をランク付けする。
論文 参考訳（メタデータ） (2024-09-16T14:14:58Z) - ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。
本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。
我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
論文 参考訳（メタデータ） (2023-09-11T08:55:04Z) - Physics-based Motion Retargeting from Sparse Inputs [73.94570049637717]
商用AR/VR製品はヘッドセットとコントローラーのみで構成されており、ユーザーのポーズのセンサーデータは非常に限られている。
本研究では, 多様な形態のキャラクタに対して, 粗い人間のセンサデータからリアルタイムに動きをターゲットする手法を提案する。
アバターのポーズは、下半身のセンサー情報がないにもかかわらず、驚くほどよくユーザと一致していることを示す。
論文 参考訳（メタデータ） (2023-07-04T21:57:05Z) - Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。
犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。
ベンチマークに対処する2つの方法を提案する。
論文 参考訳（メタデータ） (2023-05-24T02:49:43Z) - Skeleton2Humanoid: Animating Simulated Characters for
Physically-plausible Motion In-betweening [59.88594294676711]
現代の深層学習に基づく運動合成アプローチは、合成された運動の物理的妥当性をほとんど考慮していない。
テスト時に物理指向の動作補正を行うシステムSkeleton2Humanoid'を提案する。
挑戦的なLaFAN1データセットの実験は、物理的妥当性と精度の両方の観点から、我々のシステムが先行手法を著しく上回っていることを示している。
論文 参考訳（メタデータ） (2022-10-09T16:15:34Z) - QuestSim: Human Motion Tracking from Sparse Sensors with Simulated
Avatars [80.05743236282564]
人間の身体の動きのリアルタイム追跡は、AR/VRにおける没入感のある体験に不可欠である。
本稿では,HMDと2つのコントローラから疎信号を取り出す強化学習フレームワークを提案する。
一つのポリシーは、多様な移動スタイル、異なる体の大きさ、新しい環境に対して堅牢であることを示す。
論文 参考訳（メタデータ） (2022-09-20T00:25:54Z)
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。