特異性と多様性のための全身ヒト筋骨格挙動エミュレーションのスケーリング

arXiv cs.RO / 2026/4/1

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

内部の筋によるダイナミクスが直接計測できないにもかかわらず、身体化学習に向けて全身のヒト筋骨格挙動をエミュレートする方法を扱う。
大規模並列GPU筋骨格シミュレーションと、敵対的報酬集約および価値に導かれたフロー探索を組み合わせたMS-Emulatorフレームワークを提案し、高次元強化学習のトラッキングを改善する。
本手法は、冗長性の解決と、制御・報酬設計における次元の呪いに苦戦してきた、従来の逆ダイナミクス推定や深層強化学習（deep-RL）模倣アプローチの限界を対象とする。
MS-Emulatorは、約700筋で駆動される全身ヒトモデルを用いて、高いダイナミクスを伴う多様な運動を再現し、ダンス、側転（cartwheel）、バックスプリング（backflip）といった課題で高い関節角度の精度と身体位置の一致を達成する。
さらに、このフレームワークは、外部の運動学（キネマティクス）や機械的計測がほぼ同一になるにもかかわらず、複数の異なる内部筋骨格制御ポリシーが成立し得ることを示し、人間の身体化した制御における特異性と多様性の分析を支持する。