日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

動作キャプチャarXiv:2607.15868

EgoExoMoCap: 分散型エゴ・エクソ人間動作キャプチャ

EgoExoMoCap: Distributed Ego-Exo Human Motion Capture

シェア:XThreadsFacebookLINEはてブBluesky

ヘッドマウントデバイスを装着した複数人が、自身と他者の動作を同時に推定する分散型フレームワークを提案。頭部・手首のトラッキングと画像特徴を組み合わせ、ノイズや遮蔽に頑健な動作再構築を実現した。

詳しい要約

1. どんなもの?

EgoExoMoCapは、頭部装着デバイス(HMD)を用いた分散型の人間動作キャプチャ手法を提案する。従来のego-only(装着者自身の動作推定)とexo-only(周囲の人物の動作推定)を統合し、複数の人物がそれぞれスマートグラスを装着するだけで、3Dワールド空間でのグローバルな動作を推定する。頭部(および手首)のトラッキング信号と、DINOv3に基づく文脈認識画像特徴を組み合わせ、ノイズやオクルージョンに対して頑健な動作再構成を実現する。

2. 先行研究と比べてどこがすごい?

従来研究は、ego-centric body tracking(装着者自身の動作)とexocentric tracking(周囲の人物の動作)を個別に扱ってきた。EgoExoMoCapは、これらを統合した分散型フレームワークを初めて提案し、複数のHMD装着者間で情報を共有することで、単一視点では困難なシーンでも動作推定を可能にする。また、従来のモーションキャプチャシステム(多カメラやモーションキャプチャスーツ)を必要とせず、スマートグラスのみで実現する点が簡便でスケーラブルである。

3. 技術・手法の肝は?

手法の肝は、ego-とexo-のマルチモーダル信号を分散的に活用する点。具体的には、各装着者の頭部(および手首)のトラッキング信号から3Dワールドでのグローバルな動作を推定し、DINOv3による文脈認識画像特徴を統合することで、ノイズやオクルージョンに対する頑健性を高める。分散型の枠組みにより、複数人の情報を相互に利用し、単独では推定が難しい状況を解決する。

4. どうやって有効だと検証した?

2つのin-the-wildデータセットを用いた広範な実験により、挑戦的なシナリオでも動作を頑健に再構成できることを示した。具体的な評価指標や比較対象は要旨からは不明だが、実環境データでの有効性を実証している。

5. 議論はある?

要旨からは、提案手法の限界や課題についての議論は不明。ただし、分散型フレームワークのため、複数人の同期や通信コスト、プライバシーなどの課題が考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

要旨で参照されているDINOv3(DINOv2の後継)に関する論文や、ego-centric motion capture、exocentric motion captureの既存研究(例:EgoBody, EgoHMR, ExoBodyなど)が関連する。また、HMDベースの動作キャプチャのサーベイ論文も有用。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Jiaxi Jiang, Bharat Lal Bhatnagar, Nan Yang, Lingni Ma, Sebastian Starke, Robin Kips, Nadine Bertsch, Christian Holz, Federica Bogo

分類: cs.CV, cs.AI, cs.GR, cs.HC, cs.RO

原文アブストラクト

Human motion capture from head-mounted devices (HMDs) offers a scalable way to acquire real-world human motion and interaction data, which is crucial for applications in embodied AI and VR/AR. Existing approaches focus on either egocentric body tracking, estimating the motion of the subject wearing the device, or exocentric tracking, capturing the movements of people in the wearer's surroundings. So far, these two paradigms have largely been explored in isolation. In this paper, we propose a novel distributed framework that jointly leverages ego- and exocentric multi-modal signals for human motion estimation from HMDs. Unlike traditional motion capture systems requiring bulky multi-camera setups or obtrusive mocap suits, our approach, EgoExoMoCap, is as simple as two (or more) people, each wearing a pair of smart glasses. The method leverages head (plus potentially wrist) tracking signals for accurate estimation of global motion in the 3D world and combines context-aware image features based on DINOv3 to achieve robustness in the presence of noise and occlusions. Extensive experiments on two in-the-wild datasets show that our approach can robustly reconstruct motion even in challenging scenarios.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI