摘要

本文介绍了《AddBiomechanics Dataset: Capturing the Physics of Human Motion at Scale》这篇论文的核心内容。论文主要解决了从廉价传感器重建三维人体姿态并量化人体运动动力学（包括肌肉生成的关节扭矩和外部力）的挑战。为了解决这一问题，研究团队开发了AddBiomechanics Dataset 1.0，这是一个包含273名受试者超过70小时的运动和力板数据的大型标准化数据集，总计超过2400万帧。该数据集通过创新的分析方法构建，旨在用于训练机器学习模型，从易于测量的量（如手机摄像头捕捉的运动捕捉数据）重建人体运动动力学的详细力信息。论文还提出了一个评估基准，用于从运动中估计人体动力学，并提供了几个基线结果。AddBiomechanics Dataset已公开发布，网址为addbiomechanics.org/download data.html。

原理

AddBiomechanics Dataset的工作原理基于先进的分析方法，这些方法能够处理大规模的运动和力数据。数据集的构建涉及对原始传感器数据（包括光学标记轨迹和时间同步的力板数据）进行复杂的优化处理。核心技术包括逆运动学（IK）和逆动力学（ID），通过这些技术，可以从光学标记的位置重建精确的运动，并通过力板数据计算关节扭矩。此外，研究团队还改进了处理步骤，使得在某些帧中缺失力数据的情况下，仍能保持动力学重建的连续性和准确性。这一改进使得数据集能够包含更多样化和大规模的原始数据，从而提高了数据集的实用性和广泛性。

流程

论文详细描述了AddBiomechanics Dataset的工作流程，包括原始数据收集、处理和分析的步骤。首先，通过光学运动捕捉系统和力板收集受试者的运动和力数据。然后，使用逆运动学方法从光学标记的位置重建关节角度，接着通过逆动力学计算关节扭矩。在处理过程中，研究团队特别关注了在某些帧中缺失力数据的情况，通过引入新的算法来处理这些“未观测力”帧，从而确保了数据集的完整性和准确性。最后，数据集通过标准化的处理流程，生成包含关节角度、扭矩和质心动力学等信息的高质量数据。

应用

AddBiomechanics Dataset的应用前景广泛，涵盖了计算机图形学、机器人学、矫形学、生物力学和康复医学等多个领域。该数据集可以用于训练和验证从运动中估计物理力的机器学习模型，进而应用于生成更真实的人体运动动画、设计可穿戴机器人系统、研究损伤机制以及改善移动障碍的治疗方法。此外，数据集还有助于开发“真实到模拟”的技术，通过学习更好的脚-地面接触碰撞器来提高人体模拟器的准确性。