論文の概要: FatigueFusion: Latent Space Fusion for Fatigue-Driven Motion Synthesis
- arxiv url: http://arxiv.org/abs/2604.10199v1
- Date: Sat, 11 Apr 2026 13:12:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:15.899925
- Title: FatigueFusion: Latent Space Fusion for Fatigue-Driven Motion Synthesis
- Title（参考訳）: 疲労融合:疲労駆動型運動合成のための潜時宇宙融合
- Authors: Iliana Loi, Konstantinos Moustakas,
- Abstract要約: 本稿では,潜伏表現空間内での疲労特徴の融合のためのディープラーニングアーキテクチャであるFreepFusionを提案する。
本フレームワークはアルゴリズムおよびデータ駆動モジュールを組み込んで,不満足な動作に主観的時間的・空間的疲労特性を課す。
exhaustFusionは、不満足な関節角度シーケンスと制御パラメータを直接操作するエンドツーエンドアーキテクチャを提供する。
- 参考スコア（独自算出の注目度）: 3.5195917252906272
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Investigating the impact of fatigue on human physiological function and motor behavior is crucial for developing biomechanics and medical applications aimed at mitigating fatigue, reducing injury risk, and creating sophisticated ergonomic designs, as well as for producing physically-plausible 3D animation sequences. While the former has a prominent position in state-of-the-art literature, fatigue-driven motion generation is still an underexplored area. In this study, we present FatigueFusion, a deep-learning architecture for the fusion of fatigue features within a latent representation space, enabling the creation of a variation of novel fatigued movements, intermediate fatigued states, and progressively fatigued motions. Unlike existing approaches that focus on imitating the effects of fatigue accumulation in motion patterns, our framework incorporates algorithmic and data-driven modules to impose subject-specific temporal and spatial fatigue features on nonfatigued motions, while leveraging PINN-based techniques to simulate fatigue intensity. Since all motion modulation tasks are taking place in latent space, FatigueFusion offers an end-to-end architecture that operates directly on non-fatigued joint angle sequences and control parameters, allowing seamless integration into any motion synthesis pipeline, without relying on fatigue input data. Overall, our framework can be employed for various fatigue-driven synthesis tasks, such as fatigue profile transfer and fusion, while it also provides a solution for accurate rendering of the human fatigue state in both animation and simulation pipelines.
- Abstract（参考訳）: 疲労が生理機能や運動行動に与える影響を調べることは、疲労を緩和し、怪我のリスクを減らし、洗練されたエルゴノミクスデザインを作成し、物理的に証明可能な3Dアニメーション配列を作成するための生体力学や医療応用を開発するために重要である。
前者は最先端の文献では顕著な位置にあるが、疲労駆動型運動生成はいまだ未発見の領域である。
本研究では, 遅延表現空間内での疲労特徴の融合を学習し, 新たな疲労運動, 中間疲労状態, 漸進疲労運動の変動を創出することができる疲労フュージョンを提案する。
動作パターンにおける疲労蓄積の効果を模倣する既存のアプローチとは異なり、我々のフレームワークはアルゴリズムとデータ駆動モジュールを組み込んで、被写体固有の時間的および空間的疲労の特徴を不満足な動作に課し、PINNベースの手法を利用して疲労強度をシミュレートする。
全てのモーション変調タスクは遅延空間で行われるため、疲労フュージョンは、疲労入力データに頼ることなく、任意のモーション合成パイプラインへのシームレスな統合を可能にする、不満足なジョイントアングルシーケンスと制御パラメータを直接操作するエンドツーエンドアーキテクチャを提供する。
全体として,本フレームワークは,疲労プロファイルの転送や融合などの疲労駆動型合成作業に利用でき,アニメーションとシミュレーションパイプラインの両方において,人間の疲労状態を正確にレンダリングするためのソリューションも提供する。
関連論文リスト
- FatigueFormer: Static-Temporal Feature Fusion for Robust sEMG-Based Muscle Fatigue Recognition [11.736046353721447]
表面筋電図(sEMG)から解釈可能な筋疲労動態を学習するセミエンド・ツー・エンドのフレームワークであるFreactFormerについて述べる。
exhaustFormerは、並列トランスフォーマーベースのシーケンスエンコーダを使用して、静的および時間的特徴ダイナミクスを別々にキャプチャする。
穏やかな条件下で、最先端の精度と強力な一般化を実現する。
論文 参考訳（メタデータ） (2026-03-27T08:48:31Z) - MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。
現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
論文 参考訳（メタデータ） (2026-02-17T17:09:45Z) - Half-Physics: Enabling Kinematic 3D Human Model with Physical Interactions [89.88331682333198]
SMPL-Xを周囲との動的物理的相互作用が可能な有形実体に埋め込む新しい手法を提案する。
本手法は,シーンやオブジェクトとの物理的に妥当な相互作用を確保しつつ,固有のSMPL-Xポーズの運動制御を維持する。
広範かつ複雑な訓練を必要とする強化学習法とは異なり、ハーフフィック法は学習自由であり、あらゆる身体形状や運動に一般化する。
論文 参考訳（メタデータ） (2025-07-31T17:58:33Z) - 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) - Fatigue-PINN: Physics-Informed Fatigue-Driven Motion Modulation and Synthesis [2.0308338182844263]
疲労条件下での人間の動作をモデル化するための運動合成タスクには疲労モデリングが不可欠である。
本稿では,物理インフォームドニューラルネットワークに基づくディープラーニングフレームワークであるFreep-PINNを提案する。
本研究では,三成分制御モデルのPINN適応を利用して最大関節トルクの疲労誘起変動をシミュレートする。
論文 参考訳（メタデータ） (2025-02-26T11:14:48Z) - A Plug-and-Play Physical Motion Restoration Approach for In-the-Wild High-Difficulty Motions [56.709280823844374]
動作コンテキストとビデオマスクを利用して、欠陥のある動作を修復するマスクベースの動作補正モジュール(MCM)を導入する。
また,運動模倣のための事前訓練および適応手法を用いた物理ベースの運動伝達モジュール (PTM) を提案する。
本手法は,高速な移動を含む映像モーションキャプチャ結果を物理的に洗練するためのプラグイン・アンド・プレイモジュールとして設計されている。
論文 参考訳（メタデータ） (2024-12-23T08:26:00Z) - Estimating Continuous Muscle Fatigue For Multi-Muscle Coordinated Exercise: A Pilot Study on Walking [6.7733453364081635]
多筋協調時間運動の疲労を評価するには、複数の筋肉の適応の疲労によって引き起こされる特性を表す神経筋の特徴が必要である。
そこで本研究では,筋肉補償と脊髄モジュール活性化の特徴による疲労の描写と,生理的合理的モデルによる連続疲労の推定を提案する。
論文 参考訳（メタデータ） (2023-03-30T02:54:59Z) - 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。