يهدف التعلم من الإيماءات البشرية إلى humanoid إلى تعلم وحدة تحكم جسدية كاملة من الحركة البشرية. تعتبر إعادة استهداف الحركة خطوة حاسمة لتمكين الروبوتات من اكتساب مسارات مرجعية عند استكشاف مهارات الحركة. ومع ذلك، تركز الطرق الحالية على إعادة استهداف الحركة إطاراً بإطار، مما يفتقر إلى القدرة على التوسع. هل يمكننا تحويل الحركة البشرية على نطاق واسع مباشرة إلى حركة قابلة للتنفيذ بواسطة الروبوت من خلال نهج أكثر كفاءة؟ لمعالجة هذه المشكلة، نقترح إعادة استهداف الحركة الديناميكية الضمنية (IKMR)، وهو إطار عمل جديد فعال وقابل للتوسع يأخذ في الاعتبار كل من الكينيماتيكا والديناميكا. في الكينيماتيكا، تقوم IKMR بتدريب مسبق لتمثيل ميزات طوبولوجيا الحركة وهندسة ترميز ثنائية للتعلم خريطة مجال الحركة. في الديناميكا، تدمج IKMR التعلم من التقليد مع شبكة إعادة استهداف الحركة لتنقيح الحركة إلى مسارات قابلة للتحقيق من الناحية الفيزيائية. بعد ضبط النتائج باستخدام نتائج التتبع، يمكن لـ IKMR تحقيق إعادة استهداف الحركة القابلة للتحقيق في الوقت الحقيقي على نطاق واسع، ويمكن تدريب وحدة تحكم جسدية مباشرة ونشرها لتتبع مساراتها المعاد استهدافها. نجري تجاربنا في المحاكي والروبوت الحقيقي على روبوت humanoid بالحجم الكامل. تتحقق التجارب الشاملة ونتائج التقييم من فعالية إطار العمل المقترح لدينا.
درس تشن وآخرون (الخميس) هذا السؤال.