[논문리뷰] TERRA: Terrain-Aware Reconstruction, Retargeting and Control for Musculoskeletal Locomotion본 연구는 기존의 근골격계 locomotion 연구가 평지(flat ground)에 국한되어 있는 문제를 해결하고자 합니다 . 인간의 복잡한 움직임은 계단, 경사로, 좌석 등 다양한 지형과 환경적 affordance를 포함하지만, 기존 모션 캡처 데이터셋은 이러한 지형 정보를 결합하고 있지 않습니다.#Review#Musculoskeletal Locomotion#Reinforcement Learning#Motion Retargeting#Terrain Reconstruction#Biomechanics#MyoFullBody2026년 9월 30일댓글 수 로딩 중
[논문리뷰] CrossBFM: Distilling a Shared Latent Behavior Space Across Humanoid Embodiments본 연구는 Behavior Foundation Models (BFMs)의 두 가지 주요 한계점인 높은 훈련 비용과 Embodiment-specific latent space 문제를 해결하고자 한다. 기존 BFM 훈련은 단일 로봇에 대해 수백 GPU-hours를 요구하며, 새로운 로봇에는 처음부터 훈련을 반복해야 한다.#Review#Behavior Foundation Models#Cross-embodiment Learning#Latent Behavior Space#Humanoid Control#Reinforcement Learning#Knowledge Distillation#Unified Encoder#Motion Retargeting2026년 9월 29일댓글 수 로딩 중
[논문리뷰] MoCapAnything: Unified 3D Motion Capture for Arbitrary Skeletons from Monocular Videos본 논문은 기존 모션 캡처 파이프라인의 종(species) 또는 템플릿(template) 의존성 문제를 해결하고, 단일 모노큘러 비디오에서 임의의 리깅된 3D 에셋(asset) 에 대한 카테고리 불가지론적 모션 캡처(CAMoCap) 를 달성하는 것을 목표로 합니다.#Review#3D Motion Capture#Monocular Video#Arbitrary Skeletons#Motion Retargeting#Deep Learning#Inverse Kinematics#Transformer Architecture#Category-Agnostic2025년 12월 11일댓글 수 로딩 중
[논문리뷰] PHUMA: Physically-Grounded Humanoid Locomotion Dataset본 논문은 기존 휴머노이드 모션 데이터셋의 규모, 다양성 및 물리적 신뢰성 부족 문제를 해결하는 것을 목표로 합니다.#Review#Humanoid Locomotion#Dataset#Motion Imitation#Physics-based Control#Motion Retargeting#Data Curation#Reinforcement Learning#Inverse Kinematics2025년 11월 9일댓글 수 로딩 중