Morph: un framework di ottimizzazione fisica senza movimento per la generazione del movimento umano

Morph: A Motion-free Physics Optimization Framework for Human Motion Generation

November 22, 2024

Autori: Zhuo Li, Mingshuang Luo, Ruibing Hou, Xin Zhao, Hao Liu, Hong Chang, Zimo Liu, Chen Li

cs.AI

Abstract

La generazione del movimento umano svolge un ruolo vitale in applicazioni come gli umani digitali e il controllo dei robot umanoidi. Tuttavia, la maggior parte degli approcci esistenti trascura i vincoli fisici, portando alla frequente produzione di movimenti fisicamente non plausibili con evidenti artefatti come il galleggiamento e lo scivolamento dei piedi. In questo articolo, proponiamo Morph, un framework di ottimizzazione della fisica senza movimento, composto da un Generatore di Movimento e un modulo di Perfezionamento della Fisica del Movimento, per migliorare la plausibilità fisica senza ricorrere a costosi dati di movimento del mondo reale. In particolare, il Generatore di Movimento è responsabile della fornitura di dati di movimento sintetici su larga scala, mentre il Modulo di Perfezionamento della Fisica del Movimento utilizza questi dati sintetici per addestrare un imitatore di movimento all'interno di un simulatore fisico, imponendo vincoli fisici per proiettare i movimenti rumorosi in uno spazio fisicamente plausibile. Questi movimenti fisicamente raffinati, a loro volta, vengono utilizzati per perfezionare il Generatore di Movimento, migliorandone ulteriormente le capacità. Gli esperimenti su entrambi i compiti di generazione di testo-a-movimento e musica-a-danza dimostrano che il nostro framework raggiunge una qualità di generazione del movimento all'avanguardia migliorando drasticamente la plausibilità fisica.

English

Human motion generation plays a vital role in applications such as digital humans and humanoid robot control. However, most existing approaches disregard physics constraints, leading to the frequent production of physically implausible motions with pronounced artifacts such as floating and foot sliding. In this paper, we propose Morph, a Motion-free physics optimization framework, comprising a Motion Generator and a Motion Physics Refinement module, for enhancing physical plausibility without relying on costly real-world motion data. Specifically, the Motion Generator is responsible for providing large-scale synthetic motion data, while the Motion Physics Refinement Module utilizes these synthetic data to train a motion imitator within a physics simulator, enforcing physical constraints to project the noisy motions into a physically-plausible space. These physically refined motions, in turn, are used to fine-tune the Motion Generator, further enhancing its capability. Experiments on both text-to-motion and music-to-dance generation tasks demonstrate that our framework achieves state-of-the-art motion generation quality while improving physical plausibility drastically.