2024-03-29T23:53:43Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:002075742024-03-29T05:26:34Z01164:06757:10079:10389
動作予測のための物理シミュレータを用いたデータ拡張A New Data Augmentation Method using Physics Simulator for Human Motion Predictionjpnセッション6 http://id.nii.ac.jp/1001/00207472/Technical Reporthttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=207574&item_no=1&attribute_id=1&file_no=1Copyright (c) 2020 by the Information Processing Society of Japan豊田工業大学豊田工業大学前田, 孝泰浮田, 宗伯一般的な教師付き学習では,データ拡張による精度向上が報告されている.しかし,認識率を上げることのみが目的のデータ拡張と比べて,人間の動作姿勢の予測においては,拡張された動作が行動クラス情報を保持するだけでなく,物理的に正しいことを担保する必要があり,実現は容易ではない.本研究では,まずクラス情報を保持した動作データ拡張を行う.各動作クラスに関する人の知見を反映させるため,人が「その行動クラスで観測しえる動き」として指定した範囲内で各関節が新しい軌跡を通るようデータ拡張されるように,Inverse Kinematics(IK)を用いて動作を生成する.さらに,学習データの特徴量分布から解析できる「各動作クラスにおける時系列姿勢変化の特性」に基づいたデータ拡張も行う.この特徴量分布解析には,Conditional Variational AutoEncoder(CVAE)を用いる.しかし,これらの拡張された生成動作は,物理的に正しくない可能性がある.そこで,物理シミュレータ内の人型エージェントに IK と CVAE による生成動作を強化学習により模倣させる.この人型エージェントの模倣動作を,物理的に正しいデータ拡張動作とみなす.これにより,多様でクラス情報を保持した物理的な動作を生成できる.AA12628338研究報告デジタルコンテンツクリエーション(DCC)2020-DCC-2619182020-10-292188-88682020-10-28