Morph：人間の動作生成のためのモーションフリー物理最適化フレームワーク

Morph: A Motion-free Physics Optimization Framework for Human Motion Generation

November 22, 2024

著者: Zhuo Li, Mingshuang Luo, Ruibing Hou, Xin Zhao, Hao Liu, Hong Chang, Zimo Liu, Chen Li

cs.AI

要旨

人間の動作生成は、デジタル人間やヒューマノイドロボット制御などのアプリケーションにおいて重要な役割を果たしています。しかし、ほとんどの既存手法は物理制約を無視しており、浮遊や足の滑りなどの顕著なアーティファクトを伴う物理的に信じがたい動作が頻繁に生成されています。本論文では、MorphというMotion-free物理最適化フレームワークを提案します。これには、物理的な信憑性を向上させるために高価な現実世界の動作データに頼らないMotion GeneratorとMotion Physics Refinementモジュールが含まれています。具体的には、Motion Generatorは大規模な合成動作データを提供する責務を持ち、一方、Motion Physics Refinementモジュールはこれらの合成データを使用して物理シミュレータ内で動作模倣者を訓練し、ノイズのある動作を物理的に信じられる空間に射影するための物理的制約を強制します。これらの物理的に洗練された動作は、さらなる能力向上のためにMotion Generatorを微調整するために使用されます。テキストから動作へ、音楽からダンスへの生成タスクの両方での実験により、当フレームワークが最先端の動作生成品質を達成し、物理的信憑性を著しく向上させることが示されました。

English

Human motion generation plays a vital role in applications such as digital humans and humanoid robot control. However, most existing approaches disregard physics constraints, leading to the frequent production of physically implausible motions with pronounced artifacts such as floating and foot sliding. In this paper, we propose Morph, a Motion-free physics optimization framework, comprising a Motion Generator and a Motion Physics Refinement module, for enhancing physical plausibility without relying on costly real-world motion data. Specifically, the Motion Generator is responsible for providing large-scale synthetic motion data, while the Motion Physics Refinement Module utilizes these synthetic data to train a motion imitator within a physics simulator, enforcing physical constraints to project the noisy motions into a physically-plausible space. These physically refined motions, in turn, are used to fine-tune the Motion Generator, further enhancing its capability. Experiments on both text-to-motion and music-to-dance generation tasks demonstrate that our framework achieves state-of-the-art motion generation quality while improving physical plausibility drastically.