MyoChallenge 2025: 人間の運動知能のための新しいベンチマーク

- MyoChallenge 2025は、スポーツにおける運動制御知能を評価するベンチマーク。 - NeurIPS 2025で開催され、MyoChallengeシリーズの第4回目。 - 高忠実度の筋骨格モデルと物理シミュレーション、機械学習アルゴリズムを組み合わせる。 - 上肢と下肢の2トラックを用意。 - 卓球ラリー：腕、手、体幹からなる生体力学的上肢モデルを使用。 - サッカーペナルティキック：脚と体幹の生体力学的モデルを使用。 - 世界から約70チーム、560以上の提出物を集めた。 - 医師、神経科学者、機械学習専門家など多様なコミュニティが参加。 - MyoSuiteのオープンソースフレームワークに統合され、再現可能で再利用可能なテストベッドを提供。

- 従来のAI・ロボティクスでは、人間の運動知能の seamless な組み合わせ（迅速な選択、精密制御、敏捷性、協調的実行）の再現が困難だった。 - 複雑な筋協調は in vivo で測定することが稀で、生物学的理解が妨げられていた。 - MyoChallenge 2025は、スポーツにおける運動制御知能に特化した初のベンチマークを確立。 - 高忠実度筋骨格モデルと物理シミュレーションを組み合わせ、機械学習駆動アルゴリズムを活用。 - 第4回目として、上肢と下肢の両方をカバーする2トラックを導入。 - 従来のMyoChallengeシリーズを拡張し、スポーツ敏捷性に焦点を当てた。 - 標準化されたタスクと生理学的に現実的なモデルをオープンソースで提供。

- 高忠実度の筋骨格モデルを物理シミュレーション内で使用。 - 機械学習駆動アルゴリズムを組み合わせる。 - 2つのトラック： - 卓球ラリー：生体力学的上肢（腕、手、体幹）を制御。 - サッカーペナルティキック：生体力学的下肢（脚、体幹）を制御。 - 参加チームは以下の技術を活用： - 物理ベースのモーションプランナー - オンポリシー行動クローニング - 階層的プランニング - 筋シナジー - MyoSuiteのオープンソースフレームワークに統合。

- コンペティション形式で実施され、約70チーム、560以上の提出物を集めた。 - 多様なバックグラウンド（医師、神経科学者、機械学習専門家）の参加者が参加。 - 参加者は筋骨格系のスポーツ敏捷性を実現する最先端の制御アルゴリズムを開発。 - 標準化されたタスクと生理学的に現実的なモデルを提供し、再現可能で再利用可能なテストベッドとして機能。 - 具体的な評価指標や結果の詳細は要旨からは不明。

- 要旨からは、議論や限界についての明示的な言及はない。 - ただし、複雑な筋協調の in vivo 測定の制限や、AI・ロボティクスにおける人間の運動知能再現の困難さが背景として述べられている。 - ベンチマークが学際的研究を加速することを期待。 - 具体的な議論の内容は要旨からは不明。

- MyoChallengeシリーズの過去の論文（第1回から第3回まで）。 - MyoSuiteフレームワークに関する論文。 - 筋骨格モデルを用いた強化学習に関する研究。 - スポーツにおける運動制御や生体力学の研究。 - 物理ベースのモーションプランニング、オンポリシー行動クローニング、階層的プランニング、筋シナジーに関する論文。 - 要旨で具体的に参照されている論文はないため、関連分野の定番を挙げる。