Morph：无运动的物理优化框架用于人体动作生成

人体动作生成因其在数字人类和人oid机器人控制等领域的关键作用而受到广泛关注。然而，许多当前的动作生成方法忽略了物理约束，常导致具有浮动和脚步滑动等明显瑕疵的物理不合理的动作。同时，如何用噪声动作数据训练有效的动作物理优化器仍然基本未被探索。在本文中，我们提出了\textbf{Morph}，一个\textbf{Mo}tion-F\textbf{r}ee \textbf{ph}ysics optimization框架，由动作生成器和动作物理精炼模块组成，用于在不依赖高昂真实动作数据的情况下提高物理合理性。具体而言，动作生成器负责提供大规模合成、噪声动作数据，而动作物理精炼模块利用这些合成数据在物理模拟器中学习动作模仿器，强制执行物理约束将噪声动作投影到物理合理的空间中。此外，我们引入了先验奖励模块来增强物理优化过程的稳定性并生成更平滑、更稳定的动作。这些物理精炼后的动作随后用于微调动作生成器，从而进一步提升其能力。这一相互增强的训练范式显著提高了在实际应用中的实用性和鲁棒性。在文本到动作和音乐到舞蹈生成任务的实验中表明，本框架在提高物理合理性的同时实现了最先进的动作质量。项目页面：https://interestingzhuo.github.io/Morph-Page/。