論文の概要: MaskAdapt: Learning Flexible Motion Adaptation via Mask-Invariant Prior for Physics-Based Characters

• arxiv url: http://arxiv.org/abs/2603.29272v2
• Date: Thu, 02 Apr 2026 10:53:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:09.258246
• Title: MaskAdapt: Learning Flexible Motion Adaptation via Mask-Invariant Prior for Physics-Based Characters
• Title（参考訳）: MaskAdapt: 物理ベースの文字に先立って, Mask-invariant を用いたフレキシブルモーション適応学習
• Authors: Soomin Park, Eunseong Lee, Kwang Bin Lee, Sung-Hee Lee,
• Abstract要約: MaskAdaptは物理学に基づくヒューマノイド制御における柔軟な動き適応のためのフレームワークである。 マスクされた観察下での多様な挙動を生み出し、以前の作業よりも優れた目標運動適応を実現する。
• 参考スコア（独自算出の注目度）: 6.370930739531229
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present MaskAdapt, a framework for flexible motion adaptation in physics-based humanoid control. The framework follows a two-stage residual learning paradigm. In the first stage, we train a mask-invariant base policy using stochastic body-part masking and a regularization term that enforces consistent action distributions across masking conditions. This yields a robust motion prior that remains stable under missing observations, anticipating later adaptation in those regions. In the second stage, a residual policy is trained atop the frozen base controller to modify only the targeted body parts while preserving the original behaviors elsewhere. We demonstrate the versatility of this design through two applications: (i) motion composition, where varying masks enable multi-part adaptation within a single sequence, and (ii) text-driven partial goal tracking, where designated body parts follow kinematic targets provided by a pre-trained text-conditioned autoregressive motion generator. Through experiments, MaskAdapt demonstrates strong robustness and adaptability, producing diverse behaviors under masked observations and delivering superior targeted motion adaptation compared to prior work.
• Abstract（参考訳）: 物理に基づくヒューマノイド制御におけるフレキシブルな動き適応のためのフレームワークMaskAdaptを提案する。 このフレームワークは、2段階の残留学習パラダイムに従っている。 第1段階では、確率的身体部分マスキングと、マスキング条件にまたがる一貫した行動分布を強制する正規化項を用いて、マスク不変ベースポリシーを訓練する。 これは、これらの領域で後続の適応を予想して、観測の欠如の下で安定な、強い動きをもたらす。 第2段階では、凍ったベースコントローラの上に残留ポリシーを訓練し、対象の身体部分のみを変更し、元の動作を他の場所で保存する。 2つのアプリケーションを通して、この設計の汎用性を実証する。 一 様々の仮面が一の順序で多部適応できる動き構成 二 テキスト駆動部分目標追跡であって、予め訓練したテキスト条件の自己回帰運動生成器によって提供される運動目標に、指定された身体部位が従うこと。 実験を通じて、MaskAdaptは強い頑丈さと適応性を示し、マスクされた観察下で多様な振る舞いを生み出し、以前の作業よりも優れた目標運動適応を提供する。

関連論文リスト

• Spherical Latent Motion Prior for Physics-Based Simulated Humanoid Control [23.295360425494597]
  球状ラテント・モーション・プライオリ (SLMP) は, 動作先行学習のための2段階の手法である。 SLMPは情報損失のない細かな動きの詳細を保存し、ランダムサンプリングは意味論的に妥当で安定した振る舞いをもたらす。 SLMPは、異なるヒューマノイドロボット形態を一般化し、単一のシミュレートされたアバターを超えて、その伝達可能性を示す。
  論文  参考訳（メタデータ） (2026-03-01T22:00:20Z)
• Towards Adaptable Humanoid Control via Adaptive Motion Tracking [40.862885805966464]
  単一の参照動作から適応的な制御を可能にする新しいモーショントラッキングであるAdaMimicを紹介する。 シミュレーションと実世界のUnitree G1ヒューマノイドロボットにおけるアプローチにおけるこれらの重要な改善の有効性を検証する。
  論文  参考訳（メタデータ） (2025-10-16T08:54:53Z)
• FlexiAct: Towards Flexible Action Control in Heterogeneous Scenarios [49.09128364751743]
  アクションカスタマイズでは、被験者が入力制御信号によって指示されたアクションを実行するビデオを生成する。 現在の手法では、ポーズ誘導やグローバルな動きのカスタマイズが使われているが、空間構造に対する厳密な制約によって制限されている。 本稿では、参照ビデオから任意のターゲット画像へアクションを転送するFlexiActを提案する。
  論文  参考訳（メタデータ） (2025-05-06T17:58:02Z)
• BAMM: Bidirectional Autoregressive Motion Model [14.668729995275807]
  Bidirectional Autoregressive Motion Model (BAMM) は、新しいテキスト・ツー・モーション生成フレームワークである。 BAMMは2つの重要な構成要素から構成される: 3次元の人間の動きを潜在空間の離散トークンに変換するモーショントークンライザと、ランダムにマスクされたトークンを自動回帰予測するマスク付き自己注意変換器である。 この機能により、BAMMは、ユーザビリティと内蔵モーション編集性を向上し、高品質なモーション生成を同時に達成できる。
  論文  参考訳（メタデータ） (2024-03-28T14:04:17Z)
• HumanMAC: Masked Motion Completion for Human Motion Prediction [62.279925754717674]
  人間の動き予測はコンピュータビジョンとコンピュータグラフィックスの古典的な問題である。 従来の効果はエンコーディング・デコード方式に基づく経験的性能を実現している。 本稿では,新しい視点から新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2023-02-07T18:34:59Z)
• Weakly-supervised Action Transition Learning for Stochastic Human Motion Prediction [81.94175022575966]
  動作駆動型人間の動作予測の課題について紹介する。 一連の動作ラベルと短い動作履歴から、複数の可算な将来の動作を予測することを目的としている。
  論文  参考訳（メタデータ） (2022-05-31T08:38:07Z)
• Generating Smooth Pose Sequences for Diverse Human Motion Prediction [90.45823619796674]
  本稿では,多様な動作予測と制御可能な動作予測のための統合された深部生成ネットワークを提案する。 標準ベンチマークデータセットであるHuman3.6MとHumanEva-Iの2つの実験は、我々のアプローチがサンプルの多様性と精度の両方において最先端のベースラインより優れていることを示した。
  論文  参考訳（メタデータ） (2021-08-19T00:58:00Z)

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。