《Frontiers in Neurorobotics》：Morphology-agnostic humanoid retargeting via perception-motivated graph similarity
编辑推荐：
量化运动相似性，尽管其本质上是主观的，是不同具体形态下仿人运动传递与控制的基础问题。受认知研究的启发，这些研究表明人类运动相似性判断受到身体部位间空间关系和邻近接触的强烈影响，研究人员开发了一种基于图的表示，有效封装了这两种特征。该表示通过图距离计算实现了鲁棒
量化运动相似性，尽管其本质上是主观的，是不同具体形态下仿人运动传递与控制的基础问题。受认知研究的启发，这些研究表明人类运动相似性判断受到身体部位间空间关系和邻近接触的强烈影响，研究人员开发了一种基于图的表示，有效封装了这两种特征。该表示通过图距离计算实现了鲁棒相似度度量的定义。所提出的度量强调身体部位之间的空间关系，尤其是邻近关系，从而促进了运动重定向，该重定向在具有共享语义身体部位和不同自由度（DoF）配置及身体比例的仿人形态之间保留了这些感知驱动的关联线索。对于定量重定向评估，研究人员引入了一种保序空间相似度度量，该度量衡量源运动与目标运动之间关节间距离排名的保持一致性。
论文解读
运动相似性的量化是仿人机器人运动传递与控制的基础问题，但其本质具有主观性，且不同身体形态（embodiment）间的对齐复杂。认知研究表明，人类对运动相似性的判断强烈依赖于身体部位间的空间关系（spatial relationships）和邻近接触（proximal contacts），尤其是自接触。然而，现有运动重定向（motion retargeting）方法，如经典逆运动学（IK）或关节映射（JM），往往忽略这些感知关键线索，在机器人自由度（DoF）配置和身体比例差异显著时，导致足部滑动、穿透或空间关系失真。因此，研究人员旨在开发一种基于感知驱动的相似度度量，实现形态无关的仿人重定向，保留语义对齐标志点间的空间与邻近关系。该论文发表在《Frontiers in Neurorobotics》。
研究人员开展的研究包括：提出一种基于关节间图（inter-joint graph）的表示，引入显式地面顶点（ground vertex）和邻近加权图距离（proximity-weighted graph distance），将运动重定向建模为约束优化问题，通过最小化该距离求解目标关节角度和根高度。在CMU（Carnegie Mellon University）和AMASS（Mahmood等人）运动捕捉数据库上，将多种运动重定向至8个不同仿人机器人（如GR-1、Atlas、H1等），并通过参数化机器人身体比例生成441种配置评估空间关系保持，同时与IK、JM、PHC（Luo等人）和GMR（Araujo等人）方法进行视觉与定量比较。此外，采用Sobol全局敏感性分析（Sobol sensitivity analysis）研究不同关节对图距离的影响。
主要关键技术方法包括：（1）构建运动图表示，定义语义关键点（如骨盆、肩、肘、腕、膝、踝等）和地面顶点，边为归一化三维空间向量（基于T型姿势（T-pose）规范长度）；（2）定义邻近加权图距离，通过softmax函数根据源运动当前帧中顶点间欧氏距离动态分配权重，强调邻近关系；（3）将重定向建模为约束优化，目标为最小化源与目标运动图之间的加权Frobenius范数，优化变量为机器人关节角度和根高度，并加入关节空间正则化项；（4）采用差分进化（differential evolution）算法求解首帧，后续帧以L-BFGS-B从上一帧解初始化，实现混合优化策略。样本来源包括CMU和AMASS数据库，以及手动构建的441种不同臂-体比和腿-体比的机器人配置。
研究结果如下：
4.1 重定向多种运动和机器人（Retargeting for diverse motions and humanoids）：通过将CMU数据库中的八种代表性运动（如跑、复杂步法、舞蹈等）重定向至GR-1机器人，以及将多种运动重定向至八个不同机器人（包括Atlas、H1、G1等），展示了方法的通用性。定性结果表明，运动图表示能有效保留地面交互（如非平坦地形上的足-地间隙），并通过可视化验证了复杂运动（如FancyFootWork）中多肢体接近关系的保持。
4.2 空间关系保持（Spatial relationship preserving）：通过参数化机器人身体比例（臂-体比和腿-体比），生成441个不同配置，并重定向同一静止姿态，使用Spearman秩相关系数（Spearman's rank correlation coefficient）评估关节间距离排名的保序一致性（order-preserving consistency）。结果表明，邻近加权图距离优化后，在广泛比例范围内获得强相关性（ρ>0.7），且最高一致性与最低图距离出现在原始比例附近，证实了图距离最小化有助于保持空间关系。对比未加权图距离，发现邻近加权显著提高了保序一致性，并减轻了T型姿势归一化带来的偏差（如腿长变化对图距离的主导影响）。
4.3 比较实验（Comparison experiments）：在GR-1机器人上，与IK和JM方法进行视觉比较，发现对于简单运动（如Run/Jog）三者表现相似，但复杂运动（如FancyFootWork）中IK和JM出现髋部外展不足或肢体漂浮，而本方法（GD）使所有三个标记末端执行器接近地面。在G1机器人上，与PHC和GMR方法比较，GD在接触丰富的运动（如breakdance、lie to crouch）中保持更高空间关系保持（SRP）值，而PHC出现地面穿透，GMR在capoera运动中产生关节方向错误。在全部八个机器人上，GD的平均SRP中位数高于所有基线方法，且分布更集中，表明更好的时间稳定性。
4.4 运动依赖关节敏感度（Motion-dependent joint sensitivity）：通过Sobol全局敏感性分析，对Zeibekiko舞蹈中三个代表性姿态（对称腿接近、同侧肢体接近、交叉肢体接近）分析21个关节的敏感性。结果表明，邻近加权图距离能突出与当前接近关系相关的运动链关节，如对称姿态中髋、膝、踝关节敏感，同侧姿态中右腕-右踝链关节敏感，交叉姿态中左腕-右踝链关节敏感。例外情况出现于次要接近关系（如第二姿态中交叉腕-膝距离与主接近距离相差仅17%）导致左髋关节（L4）敏感性提升，证实了该度量对多重接近关系的动态响应能力。
讨论部分指出，该方法作为纯运动学重定向，不保证动态可行性或驱动限制下的可跟踪性，且高计算复杂度阻碍实时应用，帧间缺乏时间连贯性。未来方向包括任务特定边剪枝、二次规划优化、时间图依赖或动态约束整合。研究结论翻译如下：在这项工作中，研究人员将关节间图表示应用于仿人运动重定向，通过引入显式地面顶点并定义邻近加权图距离作为运动相似性的定量度量，受人类运动感知研究发现的启发。该相似度度量使用共享语义标志点集用于类仿人骨架，并优先考虑身体部位与环境的空间关系，尤其是邻近关系，只需最少的人工干预和调整。
