論文の概要: Biomechanical Comparisons Reveal Divergence of Human and Humanoid Gaits

• arxiv url: http://arxiv.org/abs/2602.21666v1
• Date: Wed, 25 Feb 2026 07:59:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.700191
• Title: Biomechanical Comparisons Reveal Divergence of Human and Humanoid Gaits
• Title（参考訳）: バイオメカニクスによるヒトとヒトの歩行の多様性の比較
• Authors: Luying Feng, Yaochu Jin, Hanze Hu, Wei Chen,
• Abstract要約: 生物学的構造と機械構造の間には根本的な相違があるため、脚のあるロボットで人間のような移動を実現することは依然として困難である。 本研究では,人間と二足歩行ロボットの運動的・運動的相違を定量化する歩行多様性分析フレームワーク(GDAF)を提案する。 我々は、最先端のヒューマノイドコントローラから高速連続型ヒューマノイド移動データセットをリリースする。
• 参考スコア（独自算出の注目度）: 22.633858975178054
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It remains challenging to achieve human-like locomotion in legged robots due to fundamental discrepancies between biological and mechanical structures. Although imitation learning has emerged as a promising approach for generating natural robotic movements, simply replicating joint angle trajectories fails to capture the underlying principles of human motion. This study proposes a Gait Divergence Analysis Framework (GDAF), a unified biomechanical evaluation framework that systematically quantifies kinematic and kinetic discrepancies between humans and bipedal robots. We apply GDAF to systematically compare human and humanoid locomotion across 28 walking speeds. To enable reproducible analysis, we collect and release a speed-continuous humanoid locomotion dataset from a state-of-the-art humanoid controller. We further provide an open-source implementation of GDAF, including analysis, visualization, and MuJoCo-based tools, enabling quantitative, interpretable, and reproducible biomechanical analysis of humanoid locomotion. Results demonstrate that despite visually human-like motion generated by modern humanoid controllers, significant biomechanical divergence persists across speeds. Robots exhibit systematic deviations in gait symmetry, energy distribution, and joint coordination, indicating that substantial room remains for improving the biomechanical fidelity and energetic efficiency of humanoid locomotion. This work provides a quantitative benchmark for evaluating humanoid locomotion and offers data and versatile tools to support the development of more human-like and energetically efficient locomotion controllers. The data and code will be made publicly available upon acceptance of the paper.
• Abstract（参考訳）: 生物学的構造と機械構造の間には根本的な相違があるため、脚のあるロボットで人間のような移動を実現することは依然として困難である。 模倣学習は、自然なロボットの動きを生み出すための有望なアプローチとして現れてきたが、関節角度の軌跡を単純に複製することは、人間の動きの基本原理を捉えるのに失敗する。 本研究は,ヒトと二足歩行ロボットの運動的相違を系統的に定量化する,統一的な生体力学的評価フレームワークであるGait Divergence Analysis Framework(GDAF)を提案する。 歩行速度を28速で比較するためにGDAFを適用した。 再現可能な解析を可能にするため,最先端のヒューマノイドコントローラから高速連続型ヒューマノイド移動データセットを収集・リリースする。 また,GDAFのオープンソース実装として,解析,可視化,そして MuJoCo ベースのツールを用いて,人間型移動の定量的,解釈可能,再現可能な生体力学的解析を可能にする。 結果は、現代のヒューマノイドコントローラが生み出す視覚的な人間的な動きにもかかわらず、重要な生体力学の分岐は、速度をまたいで持続することを示した。 ロボットは歩行対称性、エネルギー分布、関節調整の体系的な逸脱を示し、ヒューマノイド運動の生体力学的忠実性とエネルギー効率を改善するためのかなりの空間が残っていることを示している。 この研究は、ヒューマノイドの移動を評価するための定量的なベンチマークを提供し、より人間らしくエネルギー効率の良い移動制御器の開発を支援するために、データと多用途ツールを提供する。 データとコードは、論文の受理時に公開されます。

関連論文リスト

• Embodied Human Simulation for Quantitative Design and Analysis of Interactive Robotics [8.590015229469186]
  本研究では,人間とロボットの相互作用を定量的に解析するためのシミュレーションベースのフレームワークを開発した。 中心となるのは、人間の力学系の予測的代理として機能する全身筋骨格モデルである。 我々は,ヒトと外骨格の相互作用を最適化する能力を示し,関節アライメントの改善と接触力の低下を示した。
  論文  参考訳（メタデータ） (2026-03-10T05:39:31Z)
• Towards Motion Turing Test: Evaluating Human-Likeness in Humanoid Robots [54.54929302887405]
  15のアクションカテゴリにまたがる1000のモーションシーケンスからなるHuman-Humanoid Motionデータセットを提案する。 すべてのモーションシーケンスは、視覚的外観の影響を排除するためにSMPL-X表現に変換される。 収集したデータから、ヒューマノイドの動きが人間の動きと顕著なずれを示すことが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-06T11:40:56Z)
• ResMimic: From General Motion Tracking to Humanoid Whole-body Loco-Manipulation via Residual Learning [59.64325421657381]
  ヒューマノイド全体のロコ操作は、日々のサービスや倉庫のタスクにトランスフォーメーション機能を約束する。 ResMimicは、人間の動作データから正確に表現力のあるヒューマノイド制御のための2段階の残差学習フレームワークである。 結果は、強いベースラインよりもタスク成功、トレーニング効率、堅牢性が大幅に向上したことを示している。
  論文  参考訳（メタデータ） (2025-10-06T17:47:02Z)
• Reinforcement learning-based motion imitation for physiologically plausible musculoskeletal motor control [47.423243831156285]
  筋運動制御の理解を深めるために,モデルフリー運動模倣フレームワーク(KINESIS)を提案する。 我々は,KINESISが1.9時間のモーションキャプチャデータに対して強い模倣性能を達成できることを実証した。 キネシスはヒトの筋活動とよく相関する筋活動パターンを生成する。
  論文  参考訳（メタデータ） (2025-03-18T18:37:49Z)
• Biomechanics-Guided Residual Approach to Generalizable Human Motion Generation and Estimation [21.750804738752105]
  3つの中心となるイノベーションを持つバイオメカニック・アウェア・フレームワークであるBioVAEを提案する。 複数のベンチマークにおいて,BioVAEが最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-03-08T10:22:36Z)
• Learning Speed-Adaptive Walking Agent Using Imitation Learning with Physics-Informed Simulation [0.0]
  生体力学的に現実的な動作を維持しつつ、様々な歩行速度に適応できる骨格型ヒューマノイド剤を開発した。 このフレームワークは、オープンソースのバイオメカニクスデータから生体力学的に妥当な歩行運動を生産する合成データジェネレータと、エージェントの歩行ポリシーを訓練するために逆模倣学習を使用する訓練システムとを組み合わせる。
  論文  参考訳（メタデータ） (2024-12-05T07:55:58Z)
• Aligning Human Motion Generation with Human Perceptions [51.831338643012444]
  本研究では,大規模人間の知覚評価データセットであるMotionPerceptと,人間の動作批判モデルであるMotionCriticを導入することにより,ギャップを埋めるデータ駆動型アプローチを提案する。 我々の批評家モデルは、運動品質を評価するためのより正確な指標を提供しており、容易に運動生成パイプラインに統合することができる。
  論文  参考訳（メタデータ） (2024-07-02T14:01:59Z)
• 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)

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。