日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
評価指標/ベンチマークarXiv:2608.13555v1

HumanTracker: 人間の知覚に合致した包括的なモーション追跡ベンチマーク

HumanTracker: Towards Comprehensive and Human-Aligned Motion Tracking Benchmark

シェア:XThreadsFacebookLINEはてブBluesky

ヒューマノイドのモーション追跡評価を人間の知覚に合わせてスケーラブルにするため、約153時間の光学モーションデータからなるベンチマークと、選好に基づく評価指標HumanScoreを提案した。

詳しい要約

1. どんなもの?

HumanTrackerは、ヒューマノイドのモーション追跡を評価するためのベンチマークと、人間の知覚に合致した評価指標HumanScoreを提案する研究。約153時間の光学モーショントラジェクトリを4つのモーションファミリーに分類し、テキストラベル付きで提供する。

2. 先行研究と比べてどこがすごい?

従来の評価指標はキネマティックエラー(平均フレームごとのポーズ差)を用いるが、物理的なアーティファクト(足の滑り、接地タイミングの誤りなど)を見逃す。また、既存のテストスイートは規模が小さく、接触リッチで長期的な行動の多様性に欠ける。HumanTrackerは大規模で多様なデータを提供し、HumanScoreは人間の知覚に合致するように設計されている点が優れている。

3. 技術・手法の肝は?

HumanScoreは、12Kのモーションペア(24Kのモーション)で訓練された選好アライメント指標。人間の選好を予測するように学習され、接触や安定性の失敗を検出する。ベンチマークは、プロのパフォーマーによる光学モーションキャプチャデータを4つのモーションファミリーに分類し、テキストラベルで詳細な診断を可能にする。

4. どうやって有効だと検証した?

代表的なstate-of-the-artトラッカーを用いて、HumanScoreが人間の選好をより良く予測することを検証。また、キネマティック指標が見逃す接触や安定性の失敗を明らかにすることを示した。

5. 議論はある?

要旨からは、HumanScoreの汎化性や、他のモーションタイプへの適用可能性、またベンチマークのバイアス(プロのパフォーマーに限定)などについての議論は不明。

6. 次に読むべき論文は?

要旨で参照されている関連研究は明示されていないが、モーション追跡の評価指標やベンチマークに関する研究(例:kinematic error metrics, contact-aware metrics)が関連する。具体的には、Humanoid motion trackingの評価に関する既存研究や、人間の知覚に基づく評価指標の研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Dairu Liu, Zekun Qi, Jiayu Zeng, Ruixi Yu, Yu Guan, Yintianrun Zhang, Xuchuan Chen, Sikai Liang, Zekai Li, Chenghuai Lin, Xinqiang Yu, Wenyao Zhang, He Wang, Li Yi

分類: cs.RO, cs.AI, cs.CV

原文アブストラクト

Humanoid motion tracking is central to teleoperation and whole-body imitation, yet evaluation often disagrees with what people perceive in videos. Kinematic errors average per-frame pose differences but miss the physical artifacts that matter most, particularly unstable support and incorrect contacts such as foot skating and mistimed touch-downs. Meanwhile, widely used test suites are small and lack the diversity needed to stress contact-rich, long-horizon behaviors. We introduce HumanTracker to make humanoid tracking evaluation both perceptually aligned and scalable. The HumanTracker benchmark contains approximately 153 hours of optical motion trajectories from multiple professional performers, organized into four motion families with text labels for fine-grained diagnosis. We further propose HumanScore, a preference-aligned metric trained on 12K motion pairs containing 24K motions. Across representative state-of-the-art trackers, HumanScore better predicts human preferences and reveals contact and stability failures that kinematic metrics often miss.