Interactive Expressive Motion Generation Using Dynamic Movement Primitives

要約

私たちの目標は、ソーシャルロボットが現実的で魅力的で表現力豊かな方法で人間と自律的に相互作用できるようにすることです。
アニメーションの12の原則[1]は、アニメーターがキャラクターを説得力があり、ダイナミックで、感情的に表現力豊かに見えるようにする動きを作成するために使用する確立されたフレームワークです。
このペーパーでは、動的な動きのプリミティブ（DMP）を活用して主要なアニメーション原則を実装する新しいアプローチを提案し、自動表現モーション生成のための学習可能で説明可能なモジュール性、オンライン適応可能で構成可能なモデルを提供します。
もともとロボット工学の一般的な模倣学習のために開発され、スプリングダンパーシステム設計に接地されたDMPSは、このタスクに特に適した数学的特性を提供します。
具体的には、個々の原則の強度の変調を可能にし、複雑で表現力のある動きシーケンスの分解を学習可能でパラメータ化可能なプリミティブに促進します。
パラメーター化されたアニメーション原理の数学的定式化を提示し、シミュレーション、実際のロボット、ユーザー調査で、異なる運動学的構成を持つ3つのロボットプラットフォームでの実験とアプリケーションを通じてフレームワークの有効性を実証します。
私たちの結果は、このアプローチにより、単一のベースモデルを使用して多様で微妙な表現を作成できることを示しています。

要約(オリジナル)

Our goal is to enable social robots to interact autonomously with humans in a realistic, engaging, and expressive manner. The 12 Principles of Animation [1] are a well-established framework animators use to create movements that make characters appear convincing, dynamic, and emotionally expressive. This paper proposes a novel approach that leverages Dynamic Movement Primitives (DMPs) to implement key animation principles, providing a learnable, explainable, modulable, online adaptable and composable model for automatic expressive motion generation. DMPs, originally developed for general imitation learning in robotics and grounded in a spring-damper system design, offer mathematical properties that make them particularly suitable for this task. Specifically, they enable modulation of the intensities of individual principles and facilitate the decomposition of complex, expressive motion sequences into learnable and parametrizable primitives. We present the mathematical formulation of the parameterized animation principles and demonstrate the effectiveness of our framework through experiments and application on three robotic platforms with different kinematic configurations, in simulation, on actual robots and in a user study. Our results show that the approach allows for creating diverse and nuanced expressions using a single base model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google