論文の概要: HumanTracker: Towards Comprehensive and Human-Aligned Motion Tracking Benchmark

• arxiv url: http://arxiv.org/abs/2608.13555v1
• Date: Thu, 13 Aug 2026 17:59:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.638741
• Title: HumanTracker: Towards Comprehensive and Human-Aligned Motion Tracking Benchmark
• Title（参考訳）: HumanTracker: 総合的でアラインなモーショントラッキングベンチマークを目指して
• Abstract要約: 我々はHumanTrackerを導入し、知覚的アライメントと拡張性の両方をヒューマノイド追跡評価させる。 HumanTrackerベンチマークには、複数のプロパフォーマーによる約153時間の光学的運動軌跡が含まれている。 提案するHumanScoreは、24Kモーションを含む12Kモーションペアに基づいてトレーニングされた嗜好整合メトリックである。
• 参考スコア（独自算出の注目度）: 20.6227797693072
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Humanoid motion tracking is central to teleoperation and whole-body imitation, yet evaluation often disagrees with what people perceive in videos. Kinematic errors average per-frame pose differences but miss the physical artifacts that matter most, particularly unstable support and incorrect contacts such as foot skating and mistimed touch-downs. Meanwhile, widely used test suites are small and lack the diversity needed to stress contact-rich, long-horizon behaviors. We introduce HumanTracker to make humanoid tracking evaluation both perceptually aligned and scalable. The HumanTracker benchmark contains approximately 153 hours of optical motion trajectories from multiple professional performers, organized into four motion families with text labels for fine-grained diagnosis. We further propose HumanScore, a preference-aligned metric trained on 12K motion pairs containing 24K motions. Across representative state-of-the-art trackers, HumanScore better predicts human preferences and reveals contact and stability failures that kinematic metrics often miss.
• Abstract（参考訳）: ヒューマノイドのモーショントラッキングは、遠隔操作と全身の模倣の中心であるが、ビデオで人々が知覚するものとはしばしば一致しない。 キネマティックエラーはフレーム毎の平均的な違いを示すが、特に不安定なサポートや、フットスケートやミスタイムのタッチダウンのような不正確な接触など、最も重要な物理的アーティファクトを見逃す。 一方、広く使われているテストスイートは小さく、コンタクトリッチで長期の行動を強調するために必要な多様性が欠如している。 我々はHumanTrackerを導入し、知覚的アライメントと拡張性の両方をヒューマノイド追跡評価させる。 HumanTrackerベンチマークには、複数のプロパフォーマーから約153時間の光学的運動軌跡が含まれており、詳細な診断のためにテキストラベルを付けた4つのモーションファミリで構成されている。 さらに、24Kモーションを含む12Kモーションペアでトレーニングされた嗜好整合度であるHumanScoreを提案する。 最先端のトラッカー全体にわたって、HumanScoreは人間の好みをよりよく予測し、キネマティックメトリクスがしばしば見逃す接触と安定性の失敗を明らかにする。

関連論文リスト

• VENOM: Versatile Embodied Network for Omni-bodied Motion tracking [0.0]
  VENOMはシミュレーションにおけるヒューマノイドのためのクロスボディフルボディモーショントラッキングモデルである。 複数のヒューマノイドデータに基づいてトレーニングされ、上体と下体に分割することなく体全体を追跡できる。
  論文  参考訳（メタデータ） (2026-06-15T13:31:37Z)
• 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)
• OmniTrack: General Motion Tracking via Physics-Consistent Reference [54.256312586493415]
  OmniTrackは、一般的なモーショントラッキングから物理的実現可能性を明確に分離する一般的なトラッキングフレームワークである。 実験により、OmniTrackは追跡精度を向上し、目に見えない動きに対して強力な一般化を示すことが示された。 実世界のテストでは、OmniTrackは、フリップやカートホイールのような複雑なアクロバティックな動きを含む、1時間の長さ、一貫性、安定したトラッキングを実現している。
  論文  参考訳（メタデータ） (2026-02-27T09:12:15Z)
• SONIC: Supersizing Motion Tracking for Natural Humanoid Whole-Body Control [85.91101551600978]
  モデルキャパシティ,データ,計算のスケールアップにより,自然かつ堅牢な体の動きを生成できる汎用的なヒューマノイドコントローラが得られることを示す。 我々は、ネットワークサイズ、データセットボリューム、計算の3つの軸に沿ってスケーリングすることで、モーショントラッキングのための基礎モデルを構築します。 本研究では,(1)動作追跡を下流タスク実行にブリッジし,自然かつインタラクティブな制御を可能にするリアルタイムユニバーサルキネマティックプランナ,(2)様々な動作入力インタフェースをサポートする統一トークン空間の2つのメカニズムにより,モデルの実用性を示す。
  論文  参考訳（メタデータ） (2025-11-11T04:37:40Z)
• 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)
• DivaTrack: Diverse Bodies and Motions from Acceleration-Enhanced Three-Point Trackers [13.258923087528354]
  フルボディアバターの存在は、デジタルリアリティーにおける没入型社会と環境の相互作用に不可欠である。 現在のデバイスは、ヘッドセットと2つのコントローラーから3度の自由度(DOF)のポーズしか提供していない。 本研究では,多様な身体サイズや活動に適用した場合に,既存の手法よりも優れたディープラーニングフレームワークであるDivaTrackを提案する。
  論文  参考訳（メタデータ） (2024-02-14T14:46:03Z)
• 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)
• 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。