Interactive Expressive Motion Generation Using Dynamic Movement Primitives
作者: Till Hielscher, Andreas Bulling, Kai O. Arras
分类: cs.RO, cs.GR
发布日期: 2025-04-09 (更新: 2025-10-02)
备注: This paper has been accepted for publication at the 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
💡 一句话要点
利用动态运动基元实现交互式、富有表现力的机器人动作生成
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱四：生成式动作 (Generative Motion)
关键词: 社交机器人 动态运动基元 动作生成 动画原则 人机交互
📋 核心要点
- 现有社交机器人难以生成逼真且富有表现力的动作，限制了其与人类的自然交互。
- 利用动态运动基元（DMPs）实现动画的12条原则，从而参数化地控制机器人动作的表现力。
- 通过在不同机器人平台上的实验和用户研究，验证了该框架在生成多样化和细微表达方面的有效性。
📝 摘要（中文）
本文旨在使社交机器人能够以逼真、引人入胜且富有表现力的方式与人类自主互动。动画的12条原则是动画师用来创建使角色看起来令人信服、充满活力和富有情感表现力的动作的成熟框架。本文提出了一种新方法，该方法利用动态运动基元（DMPs）来实现关键动画原则，从而为自动表现力运动生成提供可学习、可解释、可模块化、在线自适应和可组合的模型。DMPs最初是为机器人技术中的通用模仿学习而开发的，并以弹簧-阻尼系统设计为基础，它提供的数学特性使其特别适合此任务。具体来说，它们能够调节各个原则的强度，并有助于将复杂的、富有表现力的运动序列分解为可学习和可参数化的基元。我们提出了参数化动画原则的数学公式，并通过实验和在具有不同运动学配置的三个机器人平台上的应用，在模拟、实际机器人和用户研究中证明了我们框架的有效性。我们的结果表明，该方法允许使用单个基本模型创建多样化和细微的表达。
🔬 方法详解
问题定义：现有社交机器人动作生成方法难以兼顾逼真性、表现力和可控性。动画师通常使用的“动画的12条原则”难以直接应用于机器人控制，缺乏一个可学习、可解释且易于调整的框架来实现这些原则。
核心思路：将动画的12条原则转化为可参数化的动态运动基元（DMPs）。DMPs具有良好的数学特性，可以方便地调节各个动画原则的强度，并将复杂的动作分解为可学习的基元。通过调整DMP的参数，可以控制机器人动作的表现力，使其更具情感和个性。
技术框架：该框架的核心是使用DMPs来表示和控制机器人的运动。首先，将动画的12条原则进行数学建模，并将其转化为DMP的参数。然后，通过学习或手动调整这些参数，可以生成具有不同表现力的机器人动作。该框架还包括一个用户界面，允许用户交互式地调整动画原则的强度，从而实现对机器人动作的实时控制。
关键创新：该方法将动画的12条原则与DMPs相结合，提供了一种新的机器人动作生成方法。与传统的机器人控制方法相比，该方法能够生成更逼真、更富有表现力的动作。此外，该方法还具有可学习、可解释和可控的优点，方便用户进行定制和调整。
关键设计：DMP的参数化设计是关键。每个动画原则都对应一组DMP参数，例如，时间扭曲（Timing）原则可以通过调整DMP的时间常数来实现。此外，论文还设计了一个损失函数，用于学习DMP的参数，该损失函数考虑了动作的逼真度和表现力。用户研究中，通过主观评价来确定不同动画原则组合的最佳参数。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法能够生成具有不同表现力的机器人动作，例如，兴奋、悲伤、愤怒等。用户研究表明，用户对该方法生成的动作的逼真度和表现力给予了较高的评价。此外，该方法还在三个不同的机器人平台上进行了验证，证明了其通用性和可扩展性。用户研究表明，通过调整动画原则的强度，可以显著改变用户对机器人情感状态的感知。
🎯 应用场景
该研究成果可应用于各种需要与人类进行自然交互的社交机器人，例如，导游机器人、客服机器人、教育机器人等。通过赋予机器人更丰富的情感表达能力，可以提高用户体验，增强人机交互的自然性和有效性。此外，该方法还可以用于动画制作、游戏开发等领域，生成更逼真、更富有表现力的角色动作。
📄 摘要（原文）
Our goal is to enable social robots to interact autonomously with humans in a realistic, engaging, and expressive manner. The 12 Principles of Animation are a well-established framework animators use to create movements that make characters appear convincing, dynamic, and emotionally expressive. This paper proposes a novel approach that leverages Dynamic Movement Primitives (DMPs) to implement key animation principles, providing a learnable, explainable, modulable, online adaptable and composable model for automatic expressive motion generation. DMPs, originally developed for general imitation learning in robotics and grounded in a spring-damper system design, offer mathematical properties that make them particularly suitable for this task. Specifically, they enable modulation of the intensities of individual principles and facilitate the decomposition of complex, expressive motion sequences into learnable and parametrizable primitives. We present the mathematical formulation of the parameterized animation principles and demonstrate the effectiveness of our framework through experiments and application on three robotic platforms with different kinematic configurations, in simulation, on actual robots and in a user study. Our results show that the approach allows for creating diverse and nuanced expressions using a single base model.