日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

モーション生成arXiv:2611.23825

VRスパーリングゲーム向け武術モーションスキルの学習

Learning Martial Arts Motion Skills for Animating Opponents in VR Sparring Games

シェア:XThreadsFacebookLINEはてブBluesky

唐手道に着想を得たモーションキャプチャデータから、敵対的スタイル報酬付き強化学習で武術スキルを事前学習し、標的指向の打撃や脅威回避へ適応させてVR対戦相手のアニメーションを生成した研究。

詳しい要約

1. どんなもの?

- 武術のスパーリングゲーム向けに、仮想対戦相手のキャラクターアニメーションを学習するフレームワークを提案した研究。 - Tang Soo Do に着想を得て、攻撃・防御の単独技術、技術の組み合わせと遷移、文脈的なスパーリング変化を含むモーションキャプチャデータセットを収集。 - 強化学習(RL)と adversarial style rewards で武術モーションスキルの再利用可能なレパートリーを事前学習し、タスク固有の報酬で標的指向の打撃や脅威認識の回避に適応させる。 - Meta Quest ヘッドセット向けの VR スパーリングプロトタイプを開発し、ポリシー生成モーションクリップと軽量な状態ベース制御を組み合わせて対戦相手のインタラクティブな挙動を実現。

2. 先行研究と比べてどこがすごい?

- 従来のゲームアニメーションは手作業のクリップ、状態機械(state machine)遷移、手続き的調整に依存し、労力が大きく non-player character の行動多様性が制限されうる。 - 本研究は手作業ではなく、モーションキャプチャデータから強化学習(RL)で武術スキルのレパートリーを学習し、対戦相手の挙動を生成する点が異なる。 - 物理的妥当性に加え、適切な技術・タイミング・遷移・標的指向の意図を備えたモーションを目指す点を特徴とする。 - 具体的な先行研究との定量的比較は要旨からは不明。

3. 技術・手法の肝は?

- Tang Soo Do に着想を得た武術モーションキャプチャデータセットを収集(単独の攻撃・防御技術、技術の組み合わせと遷移、文脈的なスパーリング変化を含む)。 - 強化学習(RL)と adversarial style rewards を用いて、収集データから再利用可能な武術モーションスキルのレパートリーを事前学習。 - その後、タスク固有の報酬で標的指向の打撃(target-directed striking)と脅威認識の回避(threat-aware evasion)に適応。 - VR プロトタイプでは、ポリシー生成モーションクリップと軽量な状態ベース制御を組み合わせて対戦相手のインタラクティブな挙動を実現。

4. どうやって有効だと検証した?

- 学習ポリシーが生成したモーションをユーザスタディで評価し、参加者が物理的妥当性(physical plausibility)、滑らかさ(smoothness)、武術の型(martial arts form)を評価。 - インタラクティブなゲームプレイへの適用性を示すため、Meta Quest ヘッドセット向けの VR スパーリングプロトタイプを開発。 - プロトタイプはポリシー生成モーションクリップと軽量な状態ベース制御を組み合わせ、対戦相手のインタラクティブな挙動を支援。 - これらの結果が、学習した武術スキルレパートリーを VR スパーリングゲームの対戦相手アニメーションのモーション基盤として使うことの実現可能性を支持すると述べる。

5. 議論はある?

- 学習した武術スキルレパートリーを、VR スパーリングゲームで対戦相手をアニメーションするためのモーション基盤として利用できる可能性を支持する知見が得られた。 - ユーザスタディでは物理的妥当性・滑らかさ・武術の型が評価対象となった。 - 限界や課題、今後の拡張に関する具体的な議論は要旨からは不明。

6. 次に読むべき論文は?

- 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、強化学習(RL)、adversarial style rewards、モーションキャプチャ、状態機械(state machine)ベースのゲームアニメーション、手続き的アニメーションが挙げられる。 - 同分野の定番として、物理ベースのキャラクターアニメーションやモーションマッチング、深層強化学習によるモーション生成の文献を次に読む候補として検討できる。

※ 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: Jiqing Wen, Qixuan Shi, Robert LiKamWa, Pavan Turaga

分類: cs.HC, cs.AI, cs.MM, cs.RO

原文アブストラクト

Animating virtual opponents is an important yet challenging task in game development. In martial arts games, opponent motions must not only be physically plausible but also exhibit appropriate technique, timing, transitions, and target-directed intent. Traditional game animations often rely on handcrafted clips, state machine transitions, and procedural adjustments, which can be labor-intensive and may limit the behavioral diversity of non-player characters. This paper presents a martial arts motion skills learning framework for character animation in virtual sparring games. Inspired by Tang Soo Do, we collected a martial arts motion capture dataset containing isolated attacking and defending techniques, technique combinations and transitions, and contextual sparring variations. We first pretrained a reusable repertoire of martial arts motion skills from the captured data using reinforcement learning (RL) with adversarial style rewards, and then adapted these skills with task-specific rewards for target-directed striking and threat-aware evasion. We evaluated the motions generated by the learned policy through a user study, in which participants assessed their physical plausibility, smoothness, and martial arts form. To demonstrate their applicability to interactive gameplay, we developed a VR sparring prototype for Meta Quest headsets. The prototype combines policy-generated motion clips with lightweight state-based control to support interactive opponent behavior. Together, these findings support the feasibility of using a learned martial arts skill repertoire as a motion foundation for animating opponents in VR sparring games.

関連論文

  1. 1パナソニックHDなど、触覚に即応する両手作業AI「T-Rex」を共同開発研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3日経クロステック、NVIDIA取締役会のファンCEO解任議論を報道 同社は同日、辞任を発表業界動向
  4. 4NVIDIA、ヒトの動きをロボットに適応する「SOMA Retargeter」を紹介研究・技術
  5. 5ティアフォーとTUM、Autowareでミュンヘン大型路線バスの自動運転開発を支援提携・買収

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI