研究人员推出了ForceBody,一个旨在将地面真实力和力矩数据整合到参数化身体模型中以进行运动生成和重建的新型数据集。该数据集通过提供带有力标注的配对运动序列并量化估计的关节力矩的可靠性,解决了现有运动管线的局限性。ForceBody包含来自140名受试者的10,000多个运动试验,具有源自蒙特卡洛采样的每样本力矩不确定性标注。该数据集已被用于对六种不同的神经网络架构进行基准测试,证明包含每样本不确定性可以提高关节力矩估计的准确性。 AI
影响 该数据集有望推动物理信息AI在逼真人体运动生成和机器人应用方面的发展。
排序理由 该集群描述了一个计算机视觉和机器人学特定研究领域的新数据集和基准,已在arXiv上发布。
在 Hugging Face Daily Papers 阅读 →
- Conv1d
- DominoAI-Lab
- ForceBody
- gated recurrent unit
- long short-term memory
- Mamba2
- multilayer perceptron
- transformer
- arXiv
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →