PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2603.13228v3cs.LG

PhysMoDPO: 선호도 최적화를 통한 물리적으로 타당한 휴머노이드 모션 생성

PhysMoDPO: Physically-Plausible Humanoid Motion with Preference Optimization

텍스트 조건부 인간 모션 생성 분야의 최근 발전은 대규모 인간 모션 데이터로 학습된 확산 모델(diffusion model)에 의해 크게 주도되었습니다. 이러한 발전에 힘입어, 최근 연구들은 확산 모델로 생성된 모션을 실행 가능한 궤적으로 변환하는 전신 제어기(WBC, Whole-Body Controller)를 적용하여 캐릭터 애니메이션 및 실제 로봇 제어로 전이하고자 시도하고 있습니다. WBC가 생성한 궤적은 물리 법칙을 준수하게 되지만, 원래 모션과 상당한 편차를 보일 수 있습니다. 이러한 문제를 해결하기 위해, 본 논문에서는 직접 선호 최적화 프레임워크인 PhysMoDPO를 제안합니다. 발 미끄러짐 패널티와 같은 수작업 기반의 물리 인지 휴리스틱에 의존하던 기존 연구와 달리, 우리는 WBC를 학습 파이프라인에 통합하고 WBC의 출력이 물리 법칙과 원래의 텍스트 지시사항을 모두 준수하도록 확산 모델을 최적화합니다. PhysMoDPO를 학습시키기 위해 물리 기반 및 작업별 보상을 배포하고, 이를 활용해 합성된 궤적에 선호도를 부여합니다. 텍스트-투-모션 및 공간 제어 작업에 대한 광범위한 실험을 통해, PhysMoDPO가 시뮬레이션 환경의 로봇에서 물리적 사실성과 작업 관련 지표 모두에서 일관된 성능 향상을 보임을 입증합니다. 나아가 PhysMoDPO가 시뮬레이션 내 제로샷(zero-shot) 모션 전이와 실제 G1 휴머노이드 로봇 배포에 적용되었을 때 상당한 개선을 가져옴을 입증합니다.