动作捕捉并非目标域：扩展合成数据用于学习运动表征
机器学习
2026-02-12 v1
摘要
合成数据为在真实数据稀缺时进行大规模预训练提供了吸引力的路径，但通常预训练于合成数据且难以可靠地迁移到部署环境。我们在全身人体运动领域研究此问题，该领域大规模数据收集不可行，但对于基于可穿戴器的Human Activity Recognition（HAR）至关重要，且合成运动可从基于运动捕捉的表征中生成。我们使用此类合成数据预训练运动时间序列模型，并评估其在多样化下游HAR任务上的迁移效果。我们的结果表明，合成预训练在与真实数据混合或规模足够大时可提升泛化性。我们还展示了大规模运动捕捉预训练仅带来有限的提升，由于领域与可穿戴信号之间的不匹配，这阐明了合成运动数据在可迁移HAR表征方面的关键sim-to-real挑战、局限性与机会。
引用
@article{arxiv.2602.11064,
title = {Motion Capture is Not the Target Domain: Scaling Synthetic Data for Learning Motion Representations},
author = {Firas Darwish and George Nicholson and Aiden Doherty and Hang Yuan},
journal= {arXiv preprint arXiv:2602.11064},
year = {2026}
}