TRACE: ヒューマノイド動作拡散のための型付き参照認識対話編集

言語条件付きの humanoid motion 生成と編集を統合した TRACE を提案する。対象は Unitree G1 humanoid robot で、typed で測定可能な kinematic quantities を基盤とする。生成では language model が motion 由来の supervision から support, root, hand events を予測し、それらの time-aligned encodings が元の text を補完して diffusion generator に入る。編集では typed requests が body-time scopes と source-relative goals を定義し、reference-conditioned diffusion editor が revised events と共に変更を実現する。

比較手法に対し semantic alignment と motion quality が向上したと定量評価と人間評価で示す。motion-grounded conditioning と kinematic consistency の有効性を controlled ablations が支持する。multi-turn editing 評価では、共有された preservation constraints の下で連続する相対的リクエストの実行がより信頼できることを示す。

typed で測定可能な kinematic quantities を共通基盤とする。生成条件を paired training motions に、編集目標を current motion に接地する。language model が support, root, hand events を motion-derived supervision から予測し、time-aligned encodings を text と共に diffusion generator へ与える。gravity-referenced states と trajectory-contact objectives で kinematic consistency を改善する。編集では typed requests が body-time scopes と source-relative goals を定義し、reference-conditioned diffusion editor が revised events を用いて変更を実現、sampling-time projection が protected s…

定量評価と人間による評価を実施し、比較手法より semantic alignment と motion quality が向上した。controlled ablations で motion-grounded conditioning と kinematic consistency の価値を支持した。multi-turn editing 評価で、共有 preservation constraints 下の連続相対リクエストの実行信頼性を示した。

typed kinematic structure が motion generation と reference-aware revision の共通基盤として有効であることを結果が支持する。一方、限界や失敗事例、計算コスト、他ロボットへの一般化については要旨からは不明。

要旨で参照・比較されている個別研究は明示されていない。関連手法として language-conditioned motion generation、diffusion-based motion synthesis、humanoid motion editing、reference-conditioned diffusion editing などが挙げられる。