LIMMT: モーショントラッキングにおける「Less is More」

要旨

我々は、高品質な動作データがトレーニングの初期段階において、追跡ポリシーをより優れた最適化軌道へ導くことができると主張する。本研究では、LIMMT（Less Is More for Motion Tracking）を導入する。我々の知る限り、これは物理ベースのヒューマノイド動作追跡における初のデータ中心的な研究である。我々は単に低品質で誤ったクリップを除去するにとどまらず、動作データの品質を物理的実現可能性、多様性、複雑性の3次元で定義する。AMASSデータセットの3%未満でトレーニングした場合でも、全データセットでトレーニングした場合と同等以上の追跡性能が得られることを示す。さらに、Webから取得した推定モーションキャプチャデータに対してデータクリーニングを実施する。広範な実験と分析により、我々のフレームワークの有効性が検証される。

English

We argue that high-quality motion data can steer tracking policies toward better optimization trajectories early in training. In this work, we introduce LIMMT (Less Is More for Motion Tracking). To our knowledge, this is the first data-centric study for physics-based humanoid motion tracking. We go beyond simply removing low-quality and erroneous clips, but define motion data quality through three dimensions: physics feasibility, diversity, and complexity. We show that even training with under 3% of AMASS yields better tracking performance than training with the full dataset. We further conduct data cleaning on the estimated web-sourced mocap data. Extensive experiments and analyses validate the effectiveness of our framework.