日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

動作推定arXiv:2609.39098

DiFF: ドップラー情報を活用したフローマッチングによる人間動作フロー推定

DiFF: Doppler-informed Flow Matching for Human Motion Flow

シェア:XThreadsFacebookLINEはてブBluesky

4Dミリ波レーダーの点群から人間の非剛体動作フローを推定するため、ドップラー速度の事前情報とKANベースの条件付きフローマッチングを組み合わせた生成フレームワークDiFFを提案。

詳しい要約

1. どんなもの?

- 4D mmWave radarの点群から人間の非剛体運動フローを推定する生成フレームワークDiFFを提案。 - プライバシー保護型のHRIに向けた基盤技術。 - Doppler速度情報を運動事前分布として活用し、KANベースの条件付きフローマッチングでフローを生成。

2. 先行研究と比べてどこがすごい?

- 既存の剛体中心手法や先行研究は4D radarのDoppler速度情報を無視していた。 - DiFFはDopplerを事前分布として活用し、非剛体運動フローの不良設定問題を緩和。 - 実世界データセットでSOTAを達成し、mmBodyベンチマークで3D端点誤差をミリメートルスケールに低減。

3. 技術・手法の肝は?

- Doppler情報を運動事前分布として組み込んだ生成フレームワーク。 - Kolmogorov-Arnold Network (KAN) ベースの条件付きフローマッチングモデルを採用。 - KAN-attention機構で表現力豊かな特徴抽出を実現。 - 事前分布誘導生成プロセスがDoppler手がかりを利用して不良設定解空間を正則化。

4. どうやって有効だと検証した?

- 多様な実世界データセットで広範な実験を実施。 - mmBodyベンチマークにおいて3D端点誤差をミリメートルスケールまで低減し、SOTA性能を達成。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究や関連手法は明示されていない。 - 同分野の定番として、4D radar点群処理、非剛体シーンフロー推定、条件付きフローマッチング、KANに関する論文が考えられる。

※ 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: Kai Wang, Mingle Zhao

分類: cs.RO, cs.CV, cs.HC

原文アブストラクト

Perceiving human motion via privacy-preserving 4D millimeter-wave (mmWave) radar is critical for next-generation human-robot interaction (HRI), where point cloud scene flow serves as a foundational motion representation. Yet the extreme sparsity and noise of 4D radar point clouds make non-rigid motion flow estimation severely ill-posed--a challenge that existing rigid-centric methods and prior works fail to adequately address, largely because they neglect the rich Doppler velocity cues inherent in 4D radar. We propose DiFF, a generative framework that marries Doppler-informed motion priors with a Kolmogorov-Arnold Network (KAN)-based conditional flow matching model. At its core, a KAN-attention mechanism enables expressive feature extraction, while a prior-guided generative process harnesses Doppler cues to regularize the ill-posed solution space. Extensive experiments show that DiFF achieves state-of-the-art (SOTA) performance across diverse real-world datasets, reducing 3D endpoint error to the millimeter scale on the mmBody benchmark.

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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI