우리는 데이터 기반 모션 리타겟팅 방법에 필수적인, 고품질 상체 〈로봇, 인간〉 포즈 데이터를 비용 효율적이고 편리하게 수집하기 위한 방법으로 MR.HuBo (HUman BOdy 사전지식을 활용한 Motion Retargeting)를 제안한다. 기존 접근법이 인간 MoCap 포즈를 로봇 포즈로 변환하여 〈로봇, 인간〉 포즈 데이터를 수집하는 것과 달리, 우리의 방법은 그 반대로 진행된다. 우리는 먼저 다양한 무작위 로봇 포즈를 샘플링한 다음, 이를 인간 포즈로 변환한다. 그러나 무작위 로봇 포즈는 극단적이고 불가능한 인간 포즈를 초래할 수 있으므로, 대량의 인간 포즈 데이터로부터 학습된 인간 신체 사전지식을 활용하여 극단적 포즈를 선별하는 추가 기법을 제안한다. 우리의 데이터 수집 방법은 크기 스케일 팩터 및 샘플링을 위한 관절 각도 범위를 포함하는 시스템의 하이퍼파라미터를 설계하거나 최적화한다면 어떤 휴머노이드 로봇에도 적용할 수 있다. 이 데이터 수집 방법에 더하여, 대규모의 쌍(pair) 데이터에 대해 지도학습으로 학습할 수 있는 2단계 모션 리타겟팅 신경망도 제시한다. 비지도학습으로 훈련되는 다른 학습 기반 방법과 비교하여, 충분한 고품질 쌍 데이터로 학습한 우리의 딥 신경망은 주목할 만한 성능을 달성함을 확인하였다. 또한 실험을 통해 우리의 데이터 필터링 방법이 잡음이 섞인 원시 데이터로 모델을 학습하는 경우보다 더 나은 리타겟팅 결과를 산출함을 보여주었다. 우리의 코드와 비디오 결과는 https://sites.google.com/view/mr-hubo/에서 확인할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.