負担か報酬か至福か？全身筋骨格制御のための筋考慮リターゲティングとヌル空間探索

- ヒトの全身筋骨格制御をmotion captureから学習するパイプラインの研究。 - 対象は700次元の筋活性(action)空間を持つ全身筋骨格モデル。 - 単眼動画から学習済み全身模倣policyまでをend-to-endで変換する初の試みと主張。 - 構成要素は2段階。 - muscle-aware retargeting (MAR)。 - null-space exploration (NSE)。 - 応用先としてhuman-like robots、assistive devices、rehabilitation systemsを想定。

- 従来課題は2点。 - 参照trajectoryがkinematically plausibleでもmuscle-driven dynamicsで再現困難。 - 700次元の高冗長action空間で無構造探索が目標運動を崩す。 - 提案は筋冗長性を2段階で活用し、両課題に対処。 - 24-clip motion-capture benchmarkで、MAR+NSEは全referenceを解決し、baseline pipelineの半分のサンプルでfull horizon到達、joint-center errorを44%低減しlate collapseも回避。 - 単眼動画から700筋制御の全身模倣policyを学習するend-to-end pipelineは著者らの知る限り初。

- muscle-aware retargeting (MAR)。 - 意味論的・解剖学的・接触のhard constraintsの下でkinematic trajectoryをbounded adaptation。 - 制約boundはreference-trajectory artifactsがmuscle-driven trackingに与える影響の分析に基づく。 - null-space exploration (NSE)。 - muscle excitationsからgeneralized forcesへのone-control-frame mappingを推定。 - そのnull spaceに沿ったboundedかつanatomicalに構造化されたperturbationを、value-guided flow policyのactionに注入。

- 24-clip motion-capture benchmarkで評価。 - MARとNSEの併用により全referenceを解決。 - baseline pipelineの半分のサンプルでfull horizonに到達。 - joint-center errorを44%低減し、late collapseを回避。 - 単眼動画から700筋制御policyへのend-to-end変換を示す。

- 要旨からは不明。 - 明示されているのは、reference-trajectory artifactsがmuscle-driven trackingに与える影響の分析と、それに基づくconstraint boundsの動機付け。 - 限界やfailure case、計算コスト、実機適用性に関する議論は要旨からは不明。

- 要旨で参照・比較されているbaseline pipeline（具体的名称は要旨からは不明）。 - value-guided flow policy（提案手法の基盤policy）。 - muscle-aware retargeting (MAR)およびnull-space exploration (NSE)の関連研究。 - 同分野の定番として、musculoskeletal control、motion retargeting、human motion imitation learning、null-space controlに関する論文。