論文の概要: MyoChallenge 2025: A New Benchmark for Human Athletic Intelligence

• arxiv url: http://arxiv.org/abs/2605.15650v1
• Date: Fri, 15 May 2026 06:09:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 17:44:16.305167
• Title: MyoChallenge 2025: A New Benchmark for Human Athletic Intelligence
• Title（参考訳）: MyoChallenge 2025: 人間のアスレチックインテリジェンスのための新しいベンチマーク
• Authors: Cheryl Wang, Chun Kwang Tan, Balint K. Hodossy, Eric Lyu, Jun Guo, Wentao Zhao, Huaping Liu, Chengkun Li, Merkourios Simos, Bianca Ziliotto, Alexander Mathis, Siyuan Liu, Jiahao Chen, Shanlin Zhong, Bo Jiang, Ci Song, Yaoye Zhu, Chenhui Zuo, Yanan Sui, Mohamed Irfan Refai, Massimo Sartori, Guillaume Durandau, Vikash Kumar, Vittorio Caggiano,
• Abstract要約: NeurIPS 2025のMyoChallengeは、スポーツにおけるモーターコントロールインテリジェンスに関する先駆的なベンチマークを確立した。 物理シミュレーションにおける高忠実度筋骨格モデルと機械学習駆動アルゴリズムの組み合わせ チャレンジには70のチームが参加し、全世界で560以上の応募があった。
• 参考スコア（独自算出の注目度）: 57.70335388371609
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Athletic performance represents the pinnacle of human motor intelligence, demanding rapid choices, precise control, agility, and coordinated physical execution. Replicating this seamless combination of capabilities remains elusive in current artificial intelligence and robotic systems. Concurrently, understanding the biological mastery of these movements is hindered because complex muscle coordination is rarely measured in vivo due to the limitations of physical equipment. To bridge this fundamental gap in understanding, MyoChallenge at NeurIPS 2025 established a pioneering benchmark for motor control intelligence in sports, leveraging high-fidelity musculoskeletal models within physics simulation combined with machine learning-driven algorithms. The competition introduces two distinct tracks emphasizing either upper or lower limbs control: a table tennis rally task utilizing a biomechanic upper limb composed of an arm with a hand and a trunk; and a soccer penalty kick using a biomechanic model of legs and a trunk. Marking the fourth iteration of the MyoChallenge series, this event attracted almost 70 teams and over 560 submissions globally, uniting a diverse community ranging from physicians and neuroscientists to machine learning experts. The competition facilitated the development of several state-of-the-art control algorithms for a musculoskeletal system capable of sports agility, leveraging techniques such as physics-based motion planners, on-policy behaviour cloning, hierarchical planning, and muscle synergies. By integrating standardized tasks and physiologically realistic models into the open-source framework of MyoSuite, MyoChallenge'25 serves as a reproducible and reusable testbed to accelerate interdisciplinary research across machine learning, biomechanics, sports science, and neuroscience. Project page: https://www.myosuite.org//myochallenge/myochallenge-2025.
• Abstract（参考訳）: アスレチックパフォーマンスは、人間の運動知能の頂点であり、迅速な選択、正確な制御、俊敏性、調整された身体的実行を必要としている。 このシームレスな組み合わせを再現することは、現在の人工知能とロボットシステムではいまだに解明されていない。 同時に、複雑な筋肉の協調は、物理機器の限界のために生体内で測定されることが滅多にないため、これらの運動の生物学的熟達を理解することが妨げられる。 この理解の根本的なギャップを埋めるために、NeurIPS 2025のMyoChallengeは、機械学習駆動アルゴリズムと組み合わせた物理シミュレーションにおける高忠実な筋骨格モデルを活用する、スポーツにおける運動制御インテリジェンスのための先駆的なベンチマークを確立した。 競技会では、上肢または下肢の制御を強調する2つの異なるトラックを導入し、腕とトランクからなる生体機械上肢を利用した卓球ラリータスクと、足とトランクの生体機械モデルを用いたサッカーペナルティキックを導入する。 このイベントは、MyoChallengeシリーズの第4回として、世界中に70のチームと560以上の応募者を集め、医師や神経科学者から機械学習の専門家まで幅広いコミュニティを結集した。 このコンペティションは、物理ベースの運動プランナー、政治行動のクローン、階層的計画、筋シナジーといった技術を活用して、スポーツの機敏性に優れた筋骨格系のための最先端の制御アルゴリズムの開発を促進した。 標準化されたタスクと生理学的に現実的なモデルをMyoSuiteのオープンソースフレームワークに統合することにより、MyoChallenge'25は、機械学習、バイオメカニクス、スポーツ科学、神経科学などにわたる学際研究を加速するために、再現性と再利用可能なテストベッドとして機能する。 プロジェクトページ:https://www.myosuite.org//myochallenge/myochallenge-2025。

関連論文リスト

• SMASH: Mastering Scalable Whole-Body Skills for Humanoid Ping-Pong with Egocentric Vision [53.709632118234936]
  Methodnameはアジャイルなヒューマノイドテーブルテニスのためのモジュールシステムである。 これは、スケーラブルな全身スキル学習と、オンボードの自我中心の認識を統一する。 そこで本研究では,オンボードセンシングだけで連続的なストライクを行うことができる最初のヒューマノイドテーブルテニスシステムについて紹介する。
  論文  参考訳（メタデータ） (2026-04-01T17:11:52Z)
• Towards Embodied AI with MuscleMimic: Unlocking full-body musculoskeletal motor learning at scale [38.15316304510102]
  muscleMimicは、生理学的に現実的な筋肉駆動モデルを用いたモーション模倣学習のためのオープンソースのフレームワークである。 筋骨格シミュレーションに計算障壁とデータバリアを下げることにより、マッスルミミックは様々な動的運動にまたがる系統的なモデル検証を可能にする。
  論文  参考訳（メタデータ） (2026-03-26T15:18:37Z)
• A Hierarchical, Model-Based System for High-Performance Humanoid Soccer [11.46486824528561]
  本稿では,RoboCup 2024アダルトサイズヒューマノイドサッカーコンペティションにおけるチームの勝利を支えるハードウェアとソフトウェアの革新について述べる。 ハードウェア面では、軽量な構造部品と高トルクの準直接駆動アクチュエータと、堅牢性を維持しつつ強力な内外キックを可能にする特殊なフットデザインを備えたアダルトサイズのヒューマノイドプラットフォームを導入する。 ソフトウェア側では、ステレオビジョン、オブジェクト検出、ランドマークベースの融合を組み合わせて、ボール、ゴール、チームメイト、対戦相手の信頼性を推定する統合認識とローカライゼーションフレームワークを開発する。
  論文  参考訳（メタデータ） (2025-12-10T08:58:37Z)
• 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)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Self Model for Embodied Intelligence: Modeling Full-Body Human Musculoskeletal System and Locomotion Control with Hierarchical Low-Dimensional Representation [22.925312305575183]
  筋骨格モデル(MS-Human-700)を90個の体節,206個の関節,700個の筋腱ユニットで構築した。 低次元表現と階層的深部強化学習を用いた新しいアルゴリズムを開発し、最先端のフルボディ制御を実現する。
  論文  参考訳（メタデータ） (2023-12-09T05:42:32Z)
• 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)
• MyoSuite -- A contact-rich simulation suite for musculoskeletal motor control [7.856809409051587]
  myoSuiteは、生理学的に正確な肘、手首、手首の生体力学的モデルで、物理的な接触機能を備えている。 簡単な姿勢制御から熟練した手-物体間相互作用まで、さまざまな運動制御課題を提供する。
  論文  参考訳（メタデータ） (2022-05-26T20:11:23Z)
• From Motor Control to Team Play in Simulated Humanoid Football [56.86144022071756]
  我々は、現実的な仮想環境でサッカーをするために、物理的にシミュレートされたヒューマノイドアバターのチームを訓練する。 一連の段階において、プレイヤーはまず、現実的な人間のような動きを実行するために、完全に関節化された身体を制御することを学習する。 その後、ドリブルやシューティングといった中級のサッカーのスキルを身につける。 最後に、彼らは他の人を意識し、チームとしてプレーし、ミリ秒のタイムスケールで低レベルのモーターコントロールのギャップを埋める。
  論文  参考訳（メタデータ） (2021-05-25T20:17:10Z)

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。