Fatigue-PINN：運動欠乏駆動型運動モジュレーションおよび合成のための物理情報ニューラルネットワーク

arXiv:2502.19056v2 Announce Type: replace 要約：運動欠乏モデルは、運動欠乏条件下における人間の動作や生体力学的工学アプリケーション（例：疲労による運動パターンや姿勢の変化、怪我のリスク軽減および防止策の定義、疲労最小化スキームの策定、および向上した人体工学的設計の作成）をモデル化するために不可欠です。ただし、文献では疲労の影響を運動に及ぼす効果を合成するためのデータ駆動型アプローチについてほとんど、あるいはほとんどにも注意が払われていません。本研究では、物理情報ニューラルネットワーク（Physics-Informed Neural Networks）に基づく深層学習枠組みである「Fatigue-PINN」を提示し、疲労した人間運動をモデル化するとともに、関節固有の疲労構成情報を提供し、関節レベルでの運動アーティファクトの適応および軽減を行い、より滑らかかつ物理的に妥当なアニメーションを実現しています。筋疲労を考慮するため、Three-Compartment Controller モデルの PINN 適応を活用して、最大発力関節トルクに及ぼす疲労誘発変動をシミュレートし、物理ドメインの知識を利用することで精度を向上させます。このモデルは、関節固有の疲労に対するパラメトリックな運動整列も導入しており、急激なフレーム遷移を回避しています。私たちの結果は、「Fatigue-PINN」が現実世界の実験的疲労研究の結果と整合するオープン型の人間の動きにおける外部感知疲労の影響を正確にシミュレーションすることを示しています。トルク空間に疲労が統合されているため、Fatigue-PINN は変換された関節角度から関節トルクへ、そして逆方向へ、およびその変換を確実にするためにエンドツーエンドのエンコーダー−デコーダーのようなアーキテクチャを提供し、関節角度を操作する運動合成フレームワークと互換性があります。

arXiv:2502.19056v2 Announce Type: replace Abstract: Fatigue modeling is essential for motion synthesis tasks to model human motions under fatigued conditions and biomechanical engineering applications, such as investigating the variations in movement patterns and posture due to fatigue, defining injury risk mitigation and prevention strategies, formulating fatigue minimization schemes, and creating improved ergonomic designs. Nevertheless, employing datadriven methods for synthesizing the impact of fatigue on motion, receives little to no attention in the literature. In this work, we present Fatigue-PINN, a deep learning framework based on Physics-Informed Neural Networks, for modeling fatigued human movements, while providing joint-specific fatigue configurations for adaptation and mitigation of motion artifacts on a joint level, resulting in more smooth, hence physicallyplausible animations. To account for muscle fatigue, we simulate the fatigue-induced fluctuations in the maximum exerted joint torques by leveraging a PINN adaptation of the Three-Compartment Controller model to exploit physics-domain knowledge for improving accuracy. This model also introduces parametric motion alignment with respect to joint-specific fatigue, hence avoiding sharp frame transitions. Our results indicate that Fatigue-PINN accurately simulates the effects of externally perceived fatigue on open-type human movements being consistent with findings from real-world experimental fatigue studies. Since fatigue is incorporated in torque space, Fatigue-PINN provides an end-to-end encoder-decoder-like architecture, to ensure transforming joint angles to joint torques and vice-versa, thus, being compatible with motion synthesis frameworks operating on joint angles.