Morph: モーション不要の物理最適化フレームワークによる人間動作生成

要旨

人間の動作生成は、デジタルヒューマンやヒュロイドロボット制御などの応用において重要な役割を果たす。しかし、既存手法の多くは物理的制約を無視しているため、浮遊や足滑りといった顕著な不自然さを伴う物理的に不可能な動作が頻繁に生成される。本論文では、高価な実世界動作データに依存せずに物理的な妥当性を向上させるため、Motion GeneratorとMotion Physics Refinementモジュールで構成される物理最適化フレームワーク「Morph」を提案する。具体的には、Motion Generatorは大規模な合成動作データを提供し、Motion Physics Refinementモジュールはこれらの合成データを用いて物理シミュレータ内で動作模倣器を学習し、物理的制約を適用することでノイズの多い動作を物理的に妥当な空間に射影する。これらの物理的に洗練された動作は、Motion Generatorの微調整に再利用され、その性能をさらに強化する。テキストからの動作生成と音楽からのダンス生成タスクにおける実験により、本フレームワークが物理的妥当性を大幅に改善しつつ、最先端の動作生成品質を達成することを実証する。

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.

Morph: モーション不要の物理最適化フレームワークによる人間動作生成

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

要旨

Support