論文の概要: MSK-Bench: Benchmarking Full-Body Musculoskeletal Motor Control Across Tasks, Control Paradigms, and Physiological Metrics
- arxiv url: http://arxiv.org/abs/2609.26872v1
- Date: Tue, 22 Sep 2026 17:52:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.703744
- Title: MSK-Bench: Benchmarking Full-Body Musculoskeletal Motor Control Across Tasks, Control Paradigms, and Physiological Metrics
- Title（参考訳）: MSK-Bench: タスク, コントロールパラダイム, 生理指標間の全体筋骨格運動制御のベンチマーク
- Abstract要約: 我々は、22のフルボディモーター制御タスクを3つの段階に分けたベンチマークであるMSK-Benchを紹介した。
MSK-Benchは、報酬ベースRL、エージェント報酬チューニング、潜在アクションRL、模倣優先制御、模倣前よりも残留適応を含む5つの代表的な制御パラダイムを評価している。
- 参考スコア（独自算出の注目度）: 39.71088139993987
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Musculoskeletal (MSK) humanoids provide a physiologically grounded embodiment for studying full-body motor control, but their high-dimensional muscle actuation, delayed activation dynamics, and redundant muscle--tendon structures make learning substantially harder than torque-driven humanoid control. Existing MSK benchmarks remain fragmented across gait, prosthetics, dexterous hands, or challenge-specific tracks, leaving full-body muscle-actuated control insufficiently evaluated under standardized tasks, methods, and metrics. We introduce MSK-Bench, a benchmark of 22 full-body motor-control tasks organized into three progressively challenging categories: postural stabilization, common locomotor behaviors, and contact-rich environmental interaction. Under unified task protocols and robustness perturbations, MSK-Bench evaluates 5 representative control paradigms, including reward-based RL, agentic reward tuning, latent-action RL, imitation-prior control, and residual adaptation over imitation priors. Beyond task success and reward, MSK-Bench further reports robustness analysis and physiology-oriented diagnostics, including activation cost, joint smoothness, and EMG-envelope similarity. Our empirical study shows that embodiment-aware exploration and structured action representations improve task coverage in high-dimensional muscle spaces, imitation priors enhance reference-compatible stabilization and locomotion but degrade under contact-rich terrain mismatch, and residual adaptation can recover successful behaviors when fixed references fail. We further find that improved task success does not necessarily imply improved physiological agreement, highlighting the importance of evaluating task performance, robustness, and physiological behavior jointly. MSK-Bench provides a task--method--metric testbed for full-body muscle-actuated humanoid control.
- Abstract（参考訳）: 筋骨格(MSK)ヒューマノイドは、全身運動制御を研究するための生理的基盤を持つエボディメントを提供するが、その高次元の筋活動、遅延活性化ダイナミクス、および冗長な筋-腱構造は、トルク駆動型ヒューマノイド制御よりも学習を著しく困難にする。
既存のMSKベンチマークは、歩行、義肢、器用な手、またはチャレンジ専用トラックで断片化され、標準化されたタスク、メソッド、メトリクスの下で完全な筋肉活性化制御が不十分なまま残されている。
我々は, 姿勢安定, 共通運動行動, 接触豊富な環境相互作用という, 段階的に困難な3つのカテゴリに分類される22のフルボディ運動制御タスクのベンチマークであるMSK-Benchを紹介する。
統一されたタスクプロトコルとロバスト性摂動の下で、MSK-Benchは報酬ベースのRL、エージェント報酬チューニング、潜在アクションRL、模倣優先制御、模倣前よりも残留適応を含む5つの代表的な制御パラダイムを評価する。
タスクの成功と報酬以外にも、MSK-Benchは、活性化コスト、関節の滑らかさ、EMG-エンベロープの類似性など、堅牢性の分析と生理学指向の診断を報告している。
実験により,高次元筋空間における作業カバレッジの向上,再現前の再現により基準適合性や移動が向上するが,接触に富んだ地形ミスマッチで劣化し,固定基準が失敗した場合の残差適応は良好な動作を回復できることが示された。
さらに, 課題成功の改善が生理的合意を必ずしも改善するとは限らないこと, 課題遂行, 堅牢性, 生理的行動の同時評価の重要性を強調した。
MSK-Benchは、フルボディの筋肉作動型ヒューマノイド制御のためのタスク・メソドメトリック・テストベッドを提供する。
関連論文リスト
- WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation [85.15806404962193]
行動条件付き世界モデル(ACWM)は、計画、ポリシー評価、データ生成のためのスケーラブルな予測シミュレータを具現化したAIを提供することを約束する。
物理シミュレータが期待する観測能力を用いてACWMを評価する。
WorldSimProbeは、制御のバリエーション、相互作用のグラウンディングにおける構造化された障害、ダイナミックスにまたがる、システマティックなアクション実現の劣化を明らかにする。
論文 参考訳（メタデータ） (2026-08-10T08:48:06Z) - ATP: Anatomical Torque with Passivity-based Control Framework for Safe Upper-Limb Exoskeleton Assistance [8.72367908819341]
本稿では,上肢外骨格を安全に支援するための受動性制御を用いた解剖学的トルクを提案する。
オンライントルクリファインメントスキームは、多様な動きを参照し、腱によるスパイクを抑制し、安全で快適な支援のために学習された異常スコアを組み込む。
シミュレーションと実世界の実験により、長時間の動作シーケンスの正確な追跡と、リアルタイムな人間の動きへの一般化が示されている。
論文 参考訳（メタデータ） (2026-08-06T08:06:40Z) - Staged Multi-Agent Training (SMAT) for Hip Exoskeletons: Metabolic and Biomechanical Validation of a Simulation-Trained Co-Adaptive Controller [1.5617797712963508]
本報告ではSMATの生理的妥当性について述べる。
単一のシミュレーショントレーニングされたSMATポリシは、トレーニングされた条件を超えて堅牢なまま、実際のユーザに対して大きなメタボリックなメリットを提供する。
論文 参考訳（メタデータ） (2026-08-01T15:31:14Z) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - Musculoskeletal Motion Imitation for Learning Personalized Exoskeleton Control Policy in Impaired Gait [1.224954637705144]
身体と臨床の両方において、スケーラブルな個人化された外骨格支援を実現するためのデバイス非依存の枠組みを導入する。
制御方針は, 生理学的に妥当な運動動態を生じさせ, 臨床に観察された筋力障害に対する補充戦略を捉えている。
タスク固有のチューニングがなければ、結果として生じる外骨格制御ポリシーは、人間の実験で検証された最先端のプロファイルと一致する、股関節と足首の補助トルクプロファイルを生成する。
論文 参考訳（メタデータ） (2026-04-10T15:49:24Z) - Muscle Synergy Priors Enhance Biomechanical Fidelity in Predictive Musculoskeletal Locomotion Simulation [0.0]
ヒトの移動は高次元の神経筋制御から始まり、予測的な筋骨格シミュレーションを困難にしている。
筋シナジーを用いた制御を制約する生理インフォームド強化学習フレームワークを提案する。
これらの結果から, 強化学習に神経生理学的構造を組み込むことで, 限られた実験データを用いた予測的移動シミュレーションにおいて, 生体力学的忠実度と一般化が向上することが示唆された。
論文 参考訳（メタデータ） (2026-03-11T06:48:15Z) - 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) - MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。
このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。
また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文 参考訳（メタデータ） (2024-04-16T02:18:18Z) - SAR: Generalization of Physiological Agility and Dexterity via
Synergistic Action Representation [10.349135207285464]
筋シナジーによるモジュラー制御は、生物がシンプルで一般化可能な行動空間で筋肉制御を学習することを可能にすることを示す。
より単純なタスクから獲得したSAR(Synergistic Action Representation)が、より複雑なタスクを学習するのに役立つ範囲を決定するためのテストベッドとして、生理学的に正確な人手と足のモデルを用いている。
いずれの場合も,SAR公開政策がエンドツーエンドの強化学習を著しく上回っていることが判明した。
論文 参考訳（メタデータ） (2023-07-07T17:07:41Z) - Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。
このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
論文 参考訳（メタデータ） (2020-05-01T05:23:34Z)
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。