본 연구는 손 동작 분석을 위한 새로운 학습 프레임워크를 제안한다. 기존 모델들은 단순화된 관절 구동 시스템을 사용하여 비자연스러운 움직임을 생성하는 문제가 있었다. 이를 해결하기 위해 본 연구는 근골격계 시스템을 MANO 모델에 통합하여 MS-MANO 모델을 개발하였다. 이 모델은 근육과 힘줄의 역학을 모방하여 골격계를 구동하며, 생리학적으로 현실적인 제약을 가한다.
또한 본 연구는 시뮬레이션 기반 자세 개선 프레임워크 BioPR를 제안한다. BioPR는 초기 추정된 자세와 속도를 입력받아 근육 흥분 신호를 예측하고, 이를 시뮬레이터에 적용하여 참조 자세를 생성한다. 그 후 다층 퍼셉트론 네트워크를 통해 초기 추정 자세를 개선한다.
본 연구는 MS-MANO의 해부학적 정확성을 MyoSuite와 비교하여 검증하였다. 또한 BioPR의 효과를 DexYCB와 OakInk 데이터셋에서 평가하였으며, 기존 최신 방법들을 정량적, 정성적으로 개선하는 것을 확인하였다.
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Pengfei Xie,... às arxiv.org 04-17-2024
https://arxiv.org/pdf/2404.10227.pdfPerguntas Mais Profundas