TokenHSI: Unified Synthesis of Physical Human-Scene Interactions through Task Tokenization

要約

多様で物理的にもっともらしい人間とシーンのインタラクション（HSI）を合成することは、コンピュータアニメーションと具現化AIの両方にとって極めて重要である。心強い進歩にもかかわらず、現在の方法は主に、それぞれが特定のインタラクションタスクに特化した個別のコントローラを開発することに焦点を当てています。このことは、複数のスキルの統合を必要とする様々な困難なHSIタスクに取り組む能力を著しく妨げている。この問題に対処するために、我々はTokenHSIを提示する。TokenHSIは、複数のスキルの統合と柔軟な適応が可能な、単一の統一された変換器ベースのポリシーである。重要な洞察は、ヒューマノイドのプロプリオセプションを個別の共有トークンとしてモデル化し、マスキングメカニズムを介して個別のタスクトークンと組み合わせることである。このような統一されたポリシーにより、スキル間の効果的な知識共有が可能となり、マルチタスクトレーニングが容易になる。さらに、我々のポリシーアーキテクチャは可変長の入力をサポートしており、学習したスキルを新しいシナリオに柔軟に適応させることができる。タスクトークナイザを追加訓練することにより、相互作用ターゲットのジオメトリを変更するだけでなく、複雑なタスクに対処するために複数のスキルを調整することもできる。実験により、我々のアプローチが様々なHSIタスクにおいて汎用性、適応性、拡張性を大幅に改善できることが実証された。ウェブサイト：https://liangpan99.github.io/TokenHSI/

要約(オリジナル)

Synthesizing diverse and physically plausible Human-Scene Interactions (HSI) is pivotal for both computer animation and embodied AI. Despite encouraging progress, current methods mainly focus on developing separate controllers, each specialized for a specific interaction task. This significantly hinders the ability to tackle a wide variety of challenging HSI tasks that require the integration of multiple skills, e.g., sitting down while carrying an object. To address this issue, we present TokenHSI, a single, unified transformer-based policy capable of multi-skill unification and flexible adaptation. The key insight is to model the humanoid proprioception as a separate shared token and combine it with distinct task tokens via a masking mechanism. Such a unified policy enables effective knowledge sharing across skills, thereby facilitating the multi-task training. Moreover, our policy architecture supports variable length inputs, enabling flexible adaptation of learned skills to new scenarios. By training additional task tokenizers, we can not only modify the geometries of interaction targets but also coordinate multiple skills to address complex tasks. The experiments demonstrate that our approach can significantly improve versatility, adaptability, and extensibility in various HSI tasks. Website: https://liangpan99.github.io/TokenHSI/

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL