論文の概要: TRACE: Typed Reference-Aware Conversational Editing for Humanoid Motion Diffusion
- arxiv url: http://arxiv.org/abs/2610.21515v1
- Date: Thu, 15 Oct 2026 08:49:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.283567
- Title: TRACE: Typed Reference-Aware Conversational Editing for Humanoid Motion Diffusion
- Title（参考訳）: TRACE:Humanoid Motion Diffusionのための参照型会話編集
- Abstract要約: 本稿では,Unitree G1ヒューマノイドロボットの世代・編集フレームワークであるTRACEを紹介する。
言語モデルは、動きに基づく監視から、サポート、ルート、ハンドイベントを予測することを学ぶ。
編集のために、タイプドリクエストは、ボディタイムスコープとソース相対ゴールを定義します。
- 参考スコア（独自算出の注目度）: 28.98998757578781
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Language-conditioned humanoid motion generation enables users to create and refine robot movements through natural language. The central challenge is to connect an underspecified request to concrete motion structure that can subsequently be revised relative to an accepted reference. We present TRACE, a generation and editing framework for the Unitree G1 humanoid robot built around typed, measurable kinematic quantities. Our insight is to ground generation conditions in paired training motions and editing goals in the current motion. A language model learns to predict support, root, and hand events from motion-derived supervision; their time-aligned encodings complement the original text in a diffusion generator. Gravity-referenced states and trajectory--contact objectives improve kinematic consistency. For editing, typed requests define body--time scopes and source-relative goals. A separate reference-conditioned diffusion editor uses these goals and revised events to realize changes, while sampling-time projection preserves protected state coordinates. Quantitative evaluation and human assessment show improved semantic alignment and motion quality over the compared methods. Controlled ablations support the value of motion-grounded conditioning and kinematic consistency, while multi-turn editing evaluations demonstrate more reliable execution of successive relative requests under shared preservation constraints. Together, these results support typed kinematic structure as a common basis for motion generation and reference-aware revision.
- Abstract（参考訳）: 言語条件付きヒューマノイドモーション生成により、ユーザーは自然言語を通じてロボットの動きを作成および洗練することができる。
中心的な課題は、未特定の要求を具体的な運動構造に接続することであり、それが後に受け入れられた参照に対して修正される。
我々は,タイプ付き,測定可能なキネマティック量に基づいて構築されたUnitree G1ヒューマノイドロボットのための生成および編集フレームワークTRACEを提案する。
我々の洞察は、ペアのトレーニング動作における接地条件と、現在の動作における目標の編集である。
言語モデルは、動きに基づく監督から、サポート、ルート、ハンドイベントを予測することを学習する。
重力参照状態とトラジェクトリ-接触目的はキネマティック一貫性を改善する。編集には、タイプドリクエストがボディタイムスコープとソース相対目標を定義する。
別個の参照条件拡散エディタは、これらの目標と修正イベントを使用して変更を実現し、サンプリング時間プロジェクションは保護された状態座標を保存する。
定量的評価と人的評価は,比較法よりも意味的アライメントと動作品質が改善された。
制御されたアブリゲーションは、動作条件付けと運動的一貫性の値をサポートし、マルチターン編集評価は、共有された保存制約の下で連続した相対的な要求の実行をより信頼性の高いものにする。
これらの結果は、運動生成と参照認識のリビジョンの共通基盤として、タイプドキネマティック構造をサポートする。
関連論文リスト
- Spatial Temporal Synergy: Balancing Change and Invariance in Text Driven 3D Human Motion Editing [78.44034844227868]
テキスト駆動型人間の動作編集は、自然言語の指示に従って既存の動作シーケンスを変更することを目的としている。
変化と不変性 (Change and Invariance Motion Editing, CIME) は、変化と不変性を空間的ポーズと時間的リズム次元に包括的に分離する統合フレームワークである。
MotionFixとSTANCE調整データセットの実験は、CIMEがアライメントと構造的忠実さの編集において最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2026-08-17T01:54:44Z) - Prior-First, Condition-Second: Scalable and Controllable Hand Motion Completion [27.154998447721102]
身体条件付きハンドモーションコンプリートのためのプレファースト・コンプリート・セカンド・フレームワークを提案する。
本研究の枠組みは,身体力学から協調的,運動論的に一貫した手の動きをリアルタイムで生成する。
我々のフレームワークは、エンドツーエンドの条件付きベースラインと比較して、キネマティックな妥当性、堅牢性、および制御性を改善します。
論文 参考訳（メタデータ） (2026-07-07T07:40:13Z) - MotionMERGE: A Multi-granular Framework for Human Motion Editing, Reasoning, Generation, and Explanation [66.66098171359995]
MotionMERGEは、モーション言語モデルの粒度のギャップを埋める統合フレームワークである。
まず,詳細な理解と局所的な編集を含む,粒度の細かい言語誘導型モーションコントロールの研究の先駆者となる。
第2に,粒度調整を共同で行う新しい戦略である粒度事前学習を意識したReasoningAware Granularity-Synergyを設計する。
第3に、第1の微細時間補正命令とモーショングラウンドCoTアノテーションを備えた大規模データセットであるMotionFineEditをキュレートする。
論文 参考訳（メタデータ） (2026-05-18T18:00:04Z) - FrankenMotion: Part-level Human Motion Generation and Composition [41.84042766842064]
原子的かつ時間的に認識可能な部分レベルのテキストアノテーションを用いた高品質なモーションデータセットを構築する。
我々のデータセットは、時間分解能で非同期かつ意味的に異なる部分の動きをキャプチャする。
本データセットに基づいて,FrankenMotionという拡散型部分認識モーション生成フレームワークを導入する。
論文 参考訳（メタデータ） (2026-01-15T23:50:07Z) - MotionShot: Adaptive Motion Transfer across Arbitrary Objects for Text-to-Video Generation [23.051430600796277]
MotionShotは、参照ターゲット対応をきめ細かい方法で解析するためのフレームワークである。
顕著な外観や構造の違いがあっても、物体を横切る動きをコヒーレントに転送することができる。
論文 参考訳（メタデータ） (2025-07-22T07:51:05Z) - GENMO: A GENeralist Model for Human MOtion [64.16188966024542]
本稿では,1つのフレームワークで動作推定と生成を橋渡しする汎用人体運動モデル GENMO を提案する。
我々の重要な洞察は、出力運動が観測された条件信号を正確に満たさなければならないような制約された動き生成として運動推定を再構成することである。
我々の新しいアーキテクチャは、可変長動きと混合マルチモーダル条件(テキスト、オーディオ、ビデオ)を異なる時間間隔で処理し、柔軟な制御を提供する。
論文 参考訳（メタデータ） (2025-05-02T17:59:55Z) - KinMo: Kinematic-aware Human Motion Understanding and Generation [6.962697597686156]
現在のヒューマンモーション合成フレームワークは、グローバルなアクション記述に依存している。
ランのような単一の粗い記述は、速度の変動、手足の位置決め、運動力学といった詳細を捉えるのに失敗する。
階層的な記述可能な動作表現に基づいて構築された統合フレームワークであるKinMoを紹介する。
論文 参考訳（メタデータ） (2024-11-23T06:50:11Z) - Chronologically Accurate Retrieval for Temporal Grounding of Motion-Language Models [12.221087476416056]
本研究では,動作言語モデルの時系列的理解を評価するために,時間的精度の高い検索手法を提案する。
テキスト記述をイベントに分解し、複合動作記述におけるイベントの順序をシャッフルすることで、負のテキストサンプルを作成する。
次に、動作言語モデルのための簡単なタスクを設計し、より可能性の高いテキストを、真実と時系列的にシャッフルされたバージョンから検索する。
論文 参考訳（メタデータ） (2024-07-22T06:25:21Z) - Controllable Human-Object Interaction Synthesis [77.56877961681462]
本研究では,3次元シーンにおける同期物体の動きと人間の動きを生成するための制御可能な人間-物体相互作用合成(CHOIS)を提案する。
ここでは,高レベルな計画から効果的に抽出できるスタイルや意図を言語記述が通知し,シーン内の動きをグラウンド化する。
我々のモジュールは経路計画モジュールとシームレスに統合され、3D環境における長期的相互作用の生成を可能にします。
論文 参考訳（メタデータ） (2023-12-06T21:14:20Z) - MoFusion: A Framework for Denoising-Diffusion-based Motion Synthesis [73.52948992990191]
MoFusionは、高品質な条件付き人間のモーション合成のための新しいノイズ拡散ベースのフレームワークである。
本研究では,運動拡散フレームワーク内での運動可視性に対して,よく知られたキネマティック損失を導入する方法を提案する。
文献の確立されたベンチマークにおけるMoFusionの有効性を,技術の現状と比較した。
論文 参考訳（メタデータ） (2022-12-08T18:59:48Z)
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。