基于人体动作捕捉的物理信息地面反作用力估计

人体动力学是分析人类动作在生物力学、运动科学以及计算机视觉和图形学等重要研究领域中的关键信息。现代方法通过力平台收集人体动力学，特别是外部反作用力，并与人体动作捕捉数据同步，然后学习基于黑箱深度学习模型进行估计。由于力平台是专业设备，仅能在实验室设置中安装，限制了人体动力学学习的范围。为此，本文提出一种从更可靠的动作捕捉数据直接估计人体地面反作用力的方法，利用物理定律和计算仿真作为约束。我们引入一种高度精确和稳健的方法，通过欧拉积分方案和PD算法计算动作捕捉数据中的地面反作用力。所得物理化学反作用力用于指示学习模型关于物理信息动力学的知识，从而提高估计精度。该方法在GroundLink数据集上进行测试，在以下方面优于基线模型：1）相对于力平台测量的地面反作用力估计精度；2）我们仿真根轨迹的精度。实现代码已公开：https://github.com/cuongle1206/Phys-GRD。