[論文レビュー] Human motion primitive discovery and recognition.

Marta Sanzari, Valsamis Ntouskos+3 more|arXiv (Cornell University)|Sep 29, 2017

Human Pose and Action Recognition参考文献 55被引用数 4

ひとこと要約

本論文は、関節の動きの組み合わせを評価する「動きのフラックス」指標を最適化することで、モーショングラフデータから人間の動きの素因を自動で発見・認識するフレームワークを提案する。非パラメトリックベイズモデルと幾何的正規化を用いることで、解剖学的に不変な素因の認識が可能となり、ロボット工学および人間-ロボットインタラクション分野の研究を支援する公開データセットも提供する。

ABSTRACT

We present a novel framework for the automatic discovery and recognition of
 human motion primitives from motion capture data. Human motion primitives are
 discovered by optimizing the 'motion flux', a quantity which depends on the
 motion of a group of skeletal joints. Models of each primitive category are
 computed via non-parametric Bayes methods and recognition is performed based on
 their geometric properties. A normalization of the primitives is proposed in
 order to make them invariant with respect to anatomical variations and data
 sampling rate. Using our framework we build a publicly available dataset of
 human motion primitives based on motion capture sequences taken from well-known
 datasets. We expect that our framework, by providing an objective way for
 discovering and categorizing human motion, will be a useful tool in numerous
 research fields related to Robotics including human inspired motion generation,
 learning by demonstration, and intuitive human-robot interaction.

研究の動機と目的

• モーショングラフシーケンスから人間の動きの素因を、客観的かつデータ駆動の方法で発見すること。
• 解剖学的差異とサンプリングレートのばらつきに対処するため、動きの素因を幾何学的に正規化すること。
• 動きの素因を、その幾何的性質に基づいて非パラメトリックベイズモデルを用いて認識すること。
• 既存のモーショングラフデータセットから導出された、人間の動きの素因に関する公開データセットを構築すること。
• ロボット工学における応用、例えば模倣学習、動き生成、直感的な人間-ロボットインタラクションを支援すること。

提案手法

• 動きのフラックス指標を最適化することで、関節の集団的動きのダイナミクスを定量化し、動きの素因を発見する。
• 非パラメトリックベイズ手法を用いて各素因カテゴリをモデル化し、柔軟でデータ駆動の表現学習を可能にする。
• 動きの素因の幾何的性質を抽出し、認識に用いる特徴として利用する。
• 解剖学的差異やデータのサンプリングレートの変動に対して不変となるように、正規化手順を適用する。
• 既存のモーショングラフデータセットを活用して、動きのシーケンスを素因クラスに抽出・分類する。
• 再現可能性およびさらなる研究を支援するため、動きの素因に関する公開データセットを構築し公開する。

実験結果

リサーチクエスチョン

• RQ1 事前のアノテーションなしで、どのようにしてモーショングラフデータから人間の動きの素因を客観的に発見できるか？
• RQ2 骨格関節の集団的動きダイナミクスを定義するのに、どの指標が最も適切か？
• RQ3 どのようにして、個々の解剖学的差異やデータのサンプリング変動に対して不変な動きの素因を実現できるか？
• RQ4 非パラメトリックベイズモデルは、幾何的特徴に基づいて、動きの素因をどれほど効果的に認識できるか？
• RQ5 既存のモーショングラフデータから、下流のロボット工学アプリケーションを支援する公開可能な動きの素因データセットを構築できるか？

主な発見

• 動きのフラックス最適化により、意味のある人間の動きの素因に対応する整合性のある動きパターンが効果的に特定された。
• 非パラメトリックベイズモデルは、正確な認識を実現するため、動きの素因の分布的特性をうまく捉えた。
• 幾何的正規化は、身体の寸法のばらつきやサンプリングレートの変動に対する頑健性を顕著に向上させた。
• 提案されたフレームワークにより、手動ラベルなしで動きの素因の自動発見と認識が可能になった。
• 有名なモーショングラフデータセットから、人間の動きの素因に関する公開データセットが成功裏に構築された。
• このフレームワークは、模倣学習や人間-ロボットインタラクションを含む、ロボット工学分野の実用的応用を支援する。