Redefining Data Pairing for Motion Retargeting Leveraging a Human Body Prior

要約

我々は、データ駆動型のモーションリターゲティング手法に不可欠な、高品質な上半身のペア<ロボット、人間>ポーズデータを収集するための費用対効果が高く便利なMR HuBo(Motion Retargeting Leveraging a HUman BOdy Prior)を提案します。
人間の MoCap ポーズをロボットのポーズに変換することで <ロボット、人間> のポーズ データを収集する既存のアプローチとは異なり、私たちの方法は逆に進みます。
まず、さまざまなランダムなロボットのポーズをサンプリングし、それを人間のポーズに変換します。
しかし、ロボットのランダムなポーズは極端で実行不可能な人間のポーズをもたらす可能性があるため、大量の人間のポーズデータから事前にトレーニングされた人体を利用して極端なポーズを分類する追加の手法を提案します。
私たちのデータ収集方法は、サンプリング用のサイズスケール係数や関節角度範囲を含むシステムのハイパーパラメータを設計または最適化すれば、あらゆるヒューマノイドロボットに使用できます。
このデータ収集方法に加えて、大量のペア データに対する教師あり学習を介してトレーニングできる 2 段階のモーション リターゲティング ニューラル ネットワークも紹介します。
教師なし学習でトレーニングされた他の学習ベースの手法と比較して、十分な高品質のペアデータでトレーニングされたディープ ニューラル ネットワークが顕著なパフォーマンスを達成したことがわかりました。
私たちの実験では、データ フィルタリング手法の方が、生のノイズを含むデータでモデルをトレーニングするよりも優れたリターゲティング結果が得られることも示しています。
コードとビデオの結果は https://sites.google.com/view/mr-hubo/ でご覧いただけます。

要約(オリジナル)

We propose MR HuBo(Motion Retargeting leveraging a HUman BOdy prior), a cost-effective and convenient method to collect high-quality upper body paired pose data, which is essential for data-driven motion retargeting methods. Unlike existing approaches which collect pose data by converting human MoCap poses into robot poses, our method goes in reverse. We first sample diverse random robot poses, and then convert them into human poses. However, since random robot poses can result in extreme and infeasible human poses, we propose an additional technique to sort out extreme poses by exploiting a human body prior trained from a large amount of human pose data. Our data collection method can be used for any humanoid robots, if one designs or optimizes the system’s hyperparameters which include a size scale factor and the joint angle ranges for sampling. In addition to this data collection method, we also present a two-stage motion retargeting neural network that can be trained via supervised learning on a large amount of paired data. Compared to other learning-based methods trained via unsupervised learning, we found that our deep neural network trained with ample high-quality paired data achieved notable performance. Our experiments also show that our data filtering method yields better retargeting results than training the model with raw and noisy data. Our code and video results are available on https://sites.google.com/view/mr-hubo/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google