マルチモーダル基盤モデルによる文脈適応的な表情豊かな動作の生成と変調

- マルチモーダルな文脈記述（text, audio, video）から、ロボットの表現豊かな全身ジェスチャー系列を自動生成・変調する手法 - Dynamic Movement Primitives を用いて Principles of Animation を統一的に数式実装 - 生成された動作はパラメトリックな変調が可能で、文脈に強く依存（context-aware） - 連続制御フレームワークに統合し、knowledge distillation で小型モデル化も実施

- 従来の表現動作生成と比べ、柔軟性と汎用性で state of the art を拡張 - interpretable、composable であり、異なるロボット形態（morphology）をまたいで動作可能 - 非変調条件や API-level 条件の動作よりも、対話文脈に整合した動作を生成できるとユーザスタディで示唆 - knowledge distillation により token efficiency と system latency を大幅改善

- Dynamic Movement Primitives による Principles of Animation の統一的な数式実装が基盤 - multimodal foundation models を用いて、文脈記述から動作系列とパラメトリックな動作変調を生成 - 生成結果を連続制御フレームワークに統合 - knowledge distillation で小型モデルを学習し、推論効率と遅延を改善 - 異なる kinematics のロボットにも適用可能な構成

- 人間型プラットフォームを用いたユーザスタディを実施 - 参加者は、本システムの動作が非変調（non-modulated）条件や API-level 条件の動作よりも対話文脈に整合していると評価 - 異なる kinematics のロボットでも表現動作を生成できることを実演し、汎用性を示した

- ユーザスタディの詳細な被験者数・評価尺度・統計手法は要旨からは不明 - 非変調条件・API-level 条件の具体的定義は要旨からは不明 - knowledge distillation による性能劣化の程度や token efficiency・latency の定量値は要旨からは不明 - 異なる morphology への適用範囲や限界については要旨からは不明

- Dynamic Movement Primitives（DMP）に関する原論文・レビュー - Principles of Animation をロボット動作に適用した研究 - multimodal foundation models を用いた動作生成（例：text-to-motion / audio-conditioned motion generation） - knowledge distillation によるモデル軽量化の一般手法 - human-robot interaction における expressive motion のユーザスタディ関連研究