FatigueFusion: 非可視空間融合による疲労駆動型モーション合成

arXiv:2604.10199v1 発表タイプ：新規 要約：疲労が人体の生理機能と運動行動に与える影響を調べることは、疲労の軽減、怪我のリスク低減、高度な人体工学設計を目的とした生物力学および医療アプリケーションの開発、そして物理的に可能性のある 3D アニメーションシーケンスの生成に向けた上で極めて重要です。前者は最先端の文献において主要な位置を占めていますが、疲労駆動型モーション生成はまだ未探求の分野です。本研究では、潜在表現空間内における疲労特徴の融合を可能にし、新しい疲労運動の変異、中間的な疲労状態、および進行する疲労運動を生成するためのディープラーニングアーキテクチャである「FatigueFusion」を提案します。既存のアプローチが運動パターンに疲労蓄積の影響を模倣することに焦点を当てていたのと異なり、私たちのフレームワークはアルゴリズムおよびデータ駆動型モジュールを統合し、非疲労運動に被験者固有の時系列と空間的な疲労特徴を付与するとともに、PINN ベースの技法を活用して疲労強度をシミュレートします。すべての運動変調タスクが潜在空間で行われるため、FatigueFusion は非疲労関節角列や制御パラメータを直接処理するエンドツーエンドのアーキテクチャを提供し、どのモーション合成パイプラインにもシームレスに統合できるものであり、疲労入力データに依存しません。総括すると、私たちのフレームワークは疲労プロファイルの転送および融合を含む various 疲労駆動合成タスクに利用でき、またアニメーションおよびシミュレーションパイプラインにおいて人間の疲労状態の正確なレンダリングのための解決策を提供します。

arXiv:2604.10199v1 Announce Type: new Abstract: Investigating the impact of fatigue on human physiological function and motor behavior is crucial for developing biomechanics and medical applications aimed at mitigating fatigue, reducing injury risk, and creating sophisticated ergonomic designs, as well as for producing physically-plausible 3D animation sequences. While the former has a prominent position in state-of-the-art literature, fatigue-driven motion generation is still an underexplored area. In this study, we present FatigueFusion, a deep-learning architecture for the fusion of fatigue features within a latent representation space, enabling the creation of a variation of novel fatigued movements, intermediate fatigued states, and progressively fatigued motions. Unlike existing approaches that focus on imitating the effects of fatigue accumulation in motion patterns, our framework incorporates algorithmic and data-driven modules to impose subject-specific temporal and spatial fatigue features on nonfatigued motions, while leveraging PINN-based techniques to simulate fatigue intensity. Since all motion modulation tasks are taking place in latent space, FatigueFusion offers an end-to-end architecture that operates directly on non-fatigued joint angle sequences and control parameters, allowing seamless integration into any motion synthesis pipeline, without relying on fatigue input data. Overall, our framework can be employed for various fatigue-driven synthesis tasks, such as fatigue profile transfer and fusion, while it also provides a solution for accurate rendering of the human fatigue state in both animation and simulation pipelines.