AddBiomechanics Dataset: Capturing the Physics of Human Motion at Scale

📄 arXiv: 2406.18537v1 📥 PDF

作者: Keenon Werling, Janelle Kaneda, Alan Tan, Rishi Agarwal, Six Skov, Tom Van Wouwe, Scott Uhlrich, Nicholas Bianco, Carmichael Ong, Antoine Falisse, Shardul Sapkota, Aidan Chandra, Joshua Carter, Ezio Preatoni, Benjamin Fregly, Jennifer Hicks, Scott Delp, C. Karen Liu

分类: cs.CV, cs.AI, cs.GR, cs.RO

发布日期: 2024-05-16

备注: 15 pages, 6 figures, 4 tables

💡 一句话要点

发布AddBiomechanics数据集，用于大规模捕捉人体运动物理特性

🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 人体动力学 运动捕捉 生物力学 数据集 逆动力学 姿态估计 力板数据

📋 核心要点

  1. 现有方法难以从低成本传感器重建的人体姿势中准确量化人体运动动力学，缺乏高质量的姿势和力数据是主要瓶颈。
  2. 论文构建了大规模AddBiomechanics数据集，包含大量受试者的运动和力数据，旨在促进人体动力学估计的研究。
  3. 论文提出了基于该数据集的人体动力学估计基准，并提供了基线结果，为后续研究提供了参考。

📝 摘要（中文）

本文介绍了AddBiomechanics Dataset 1.0，该数据集包含273名受试者的物理精确的人体动力学数据，超过70小时的运动和测力板数据，总计超过2400万帧。重建人体姿势在近年来取得了显著进展，但量化人体运动的动力学，包括肌肉产生的关节扭矩和外力，仍然是一个挑战。以往尝试从重建的人体姿势估计物理特性，但缺乏高质量的姿势和力数据。为了构建该数据集，需要新颖的分析方法，本文也对此进行了报告。我们提出了一个使用该数据集从运动估计人体动力学的基准，并展示了几个基线结果。AddBiomechanics数据集可在https://addbiomechanics.org/download_data.html公开获取。

🔬 方法详解

问题定义：现有方法在从人体姿态估计人体动力学时，由于缺乏大规模、高质量的数据集，难以准确估计肌肉产生的关节扭矩和外力。这限制了相关算法的开发和验证，阻碍了人体动力学研究的进展。现有数据集在规模、数据质量或运动多样性方面存在不足。

核心思路：论文的核心思路是通过构建一个大规模、高质量的AddBiomechanics数据集，为人体动力学估计提供充足的训练和测试数据。该数据集包含大量受试者的运动捕捉数据和力板数据，能够更全面地反映人体运动的物理特性。

技术框架：AddBiomechanics数据集的构建流程主要包括以下几个阶段：1) 数据采集：使用运动捕捉系统和力板同步记录受试者的运动数据和地面反作用力数据。2) 数据处理：对原始数据进行清洗、校准和同步处理，确保数据的准确性和一致性。3) 动力学分析：使用逆动力学方法，从运动数据和力数据中估计关节扭矩、肌肉力等动力学参数。4) 数据集发布：将处理后的数据以标准格式发布，方便研究人员使用。

关键创新：该数据集的关键创新在于其规模和数据质量。与现有数据集相比，AddBiomechanics数据集包含更多受试者、更长时间的运动数据和更全面的动力学信息。此外，论文还开发了新颖的分析方法来处理和分析运动捕捉数据和力板数据，确保数据的准确性和可靠性。

关键设计：数据集包含273名受试者的数据，运动类型多样，包括行走、跑步、跳跃等。数据以帧为单位组织，每帧包含三维姿态、地面反作用力、关节角度、关节力矩等信息。论文还提供了用于评估人体动力学估计算法性能的基准和评估指标。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

AddBiomechanics数据集包含超过70小时的运动和力板数据，总计超过2400万帧，是目前规模最大、数据质量最高的人体动力学数据集之一。论文提出了基于该数据集的人体动力学估计基准，并提供了基线结果，例如使用OpenSim进行逆动力学分析，为后续研究提供了参考。

🎯 应用场景

AddBiomechanics数据集可广泛应用于生物力学、运动科学、康复医学、人机交互等领域。例如，可以用于开发更精确的人体运动模拟器，设计更有效的康复训练方案，以及构建更自然的人机交互界面。该数据集的发布将促进人体动力学研究的进展，并为相关领域的应用提供有力支持。

📄 摘要（原文）

While reconstructing human poses in 3D from inexpensive sensors has advanced significantly in recent years, quantifying the dynamics of human motion, including the muscle-generated joint torques and external forces, remains a challenge. Prior attempts to estimate physics from reconstructed human poses have been hampered by a lack of datasets with high-quality pose and force data for a variety of movements. We present the AddBiomechanics Dataset 1.0, which includes physically accurate human dynamics of 273 human subjects, over 70 hours of motion and force plate data, totaling more than 24 million frames. To construct this dataset, novel analytical methods were required, which are also reported here. We propose a benchmark for estimating human dynamics from motion using this dataset, and present several baseline results. The AddBiomechanics Dataset is publicly available at https://addbiomechanics.org/download_data.html.