sim2real2026/9/18arXiv:2609.21909

運動学を超えて：筋駆動模倣学習のためのシミュレーション忠実度ベンチマーク

Beyond Kinematics: Benchmarking Simulation Fidelity for Muscle-Driven Imitation Learning

SCONE/HyFyDyとMuJoCo/MyoSimの2つの動作模倣強化学習パイプラインを、同じ人間のモーションキャプチャとEMGデータで比較し、HyFyDyの方が筋活動が実験EMGに近いことを示した。

詳しい要約

1. どんなもの？

- 本論文は、筋駆動型模倣学習のためのシミュレーション忠実度をベンチマークする研究。 - 2つの最先端MIRLパイプライン（SCONE/HyFyDyとMuJoCo/MyoSim）を系統的に比較。 - 共通の人間のモーションキャプチャとEMGデータを用いて、キネマティクスと筋活性の再現性を評価。 - ロボティック支援デバイス設計・制御への応用を動機とし、筋活性パターンや代謝コストの最適化を目指す。

2. 先行研究と比べてどこがすごい？

- 先行研究では両パイプラインが人間のキネマティクスを高忠実度で再現することが示されていた。 - しかし、運動を生み出した神経筋挙動を正確に捉えているかは不明だった。 - 本研究は、キネマティクスだけでなく筋活性の忠実度をEMGと比較して評価した点が新しい。 - HyFyDyの方がMuJoCoよりEMGとの一致度が高いことを定量的に示した。

3. 技術・手法の肝は？

- SCONE/HyFyDyは詳細な筋腱モデリングにより生理学的リアリズムを重視。 - MuJoCo/MyoSimは計算効率とスケーラブルなポリシー学習を優先。 - 両パイプラインを共通の人間のモーションキャプチャとEMG測定データで比較。 - 筋活性の評価指標として平均プールドRMSEと相関係数rを使用。

4. どうやって有効だと検証した？

- 共通の人間のモーションキャプチャとEMG測定データを用いて両パイプラインを比較。 - キネマティクスは両者とも相対的な精度で類似していた。 - 筋活性の平均プールド（RMSE, r）値：HyFyDy (0.164, 0.4)、MuJoCo (0.344, 0.11)。 - HyFyDyの筋活性が実験EMGとより一致することを示した。

5. 議論はある？

- HyFyDyの高度な生理学的リアリズムは筋骨格モデリングに適していると結論。 - 両パイプラインとも、GPU並列化可能なシミュレーション環境で生理学的リアリズムを実現するには更なる開発が必要。 - ロボティック支援デバイス設計の進歩には、生理学的リアリズムの向上が重要。 - 要旨からは、具体的な限界や今後の課題の詳細は不明。

6. 次に読むべき論文は？

- SCONE/HyFyDyおよびMuJoCo/MyoSimの関連論文。 - 筋駆動型模倣学習（MIRL）の先行研究。 - 筋骨格モデリングとEMG比較の研究。 - 要旨で参照されている具体的な論文は不明だが、同分野の定番としてOpenSimやDeepMimicなどが挙げられる。

※ 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: Ayah G. Ahmad, Claire E. Borden, Maegan Tucker

分類: cs.LG, cs.RO

原文アブストラクト

In this work, we conduct a systematic comparison of two state-of-the-art motion-imitation reinforcement learning (MIRL) pipelines, one built on SCONE/HyFyDy and one built on MuJoCo/MyoSim. HyFyDy emphasizes physiological realism through detailed musculotendon modeling, while MuJoCo prioritizes computational efficiency and scalable policy learning. While recent work has demonstrated that both pipelines reproduce human kinematics with high fidelity, it remains unclear if they accurately capture the underlying neuromuscular behavior that produced the movement. This limitation is particularly important for robotic assistive-device design and control, where outcome measures such as muscle activation patterns and metabolic cost are often used as optimization targets. To conduct a systematic comparison, our work compares both pipelines using a common set of human motion-capture and electromyography (EMG) measurements. The results find that while both pipelines produce similar kinematics with relative accuracy, the muscle activations from HyFyDy are more aligned with the experimental EMG, as supported by the average pooled (RMSE, r) values for muscle activations from HyFyDy and MuJoCo: (0.164, 0.4) and (0.344, 0.11), respectively. While we conclude that the more advanced physiological realism of HyFyDy currently makes it more suitable for musculoskeletal modeling, both require further development to bring physiological realism to GPU-parallelizable simulation environments and advance robotic assistive device design.

arXivで原文を読む →arXiv概要ページ