MotionGRPO: Overcoming Low Intra-Group Diversity in GRPO-Based Egocentric Motion Recovery

Riepilogo Tecnico di MOTIONGRPO

Enunciato del Problema
Il recupero del movimento umano 3D del corpo intero a partire dai segnali di dispositivi indossati in testa (HMD), come quelli di Project Aria, rimane una sfida critica per le applicazioni VR/AR. A differenza della cattura in terza persona, gli scenari in prima persona soffrono di un'occlusione severa in cui il corpo dell'utente è in gran parte non osservato. I metodi esistenti basati sulla diffusione affrontano questo problema imparando priori di movimento condizionati alle traiettorie della testa. Tuttavia, tali metodi spesso si basano su un adattamento della distribuzione globale, portando a errori di ricostruzione locale delle articolazioni, disallineamenti spaziali e artefatti visivi come lo scivolamento dei piedi, il tremolio del movimento e la penetrazione nel terreno. Inoltre, l'applicazione diretta dell'Apprendimento per Rinforzo (RL) al recupero del movimento basato sulla diffusione incontra un collo di bottiglia specifico: il problema della "bassa diversità intra-gruppo". Poiché il recupero del movimento è fortemente vincolato da segnali deterministici della testa, gli output campionati all'interno di un gruppo mostrano una varianza minima. Questa mancanza di diversità fa sì che la deviazione standard nei calcoli del vantaggio dell'Ottimizzazione della Politica Relativa al Gruppo (GRPO) si avvicini a zero, risultando in gradienti che svaniscono e in un addestramento instabile.

Metodologia
Gli autori propongono MOTIONGRPO, un framework che sfrutta il post-addestramento tramite RL per iniettare una guida fine-granulare nel processo di campionamento della diffusione. La metodologia è strutturata attorno a tre componenti fondamentali:

1. Formulazione MDP e GRPO: Il processo di campionamento della diffusione è modellato come un Processo Decisionale di Markov (MDP). La politica viene ottimizzata utilizzando l'Ottimizzazione della Politica Relativa al Gruppo (GRPO), che stima le baseline di valore direttamente dai punteggi a livello di gruppo senza richiedere una rete di valore separata. La politica $\pi_\theta$ corrisponde alla distribuzione di transizione inversa del modello di diffusione.
2. Meccanismo di Ricompensa Ibrido: Per guidare l'ottimizzazione, è stato progettato un sistema di ricompensa ibrido:
   • Ricompensa Visiva Globale: Un modello percettivo condizionato alla traiettoria valuta la plausibilità visiva. Questo modello è addestrato tramite apprendimento contrastivo online, sintetizzando attivamente campioni negativi difficili (movimenti generati accoppiati a traiettorie della testa) per distinguere i movimenti naturali dagli artefatti come lo scivolamento dei piedi e il tremolio.
   • Ricompensa Locale delle Articolazioni: Sottoricompense esplicite impongono precisione sulle posizioni, rotazioni e velocità delle articolazioni. Queste includono ricompense per la posa calcolate con e senza allineamento tramite trasformazione di similitudine per frame, discrepanze di rotazione locale e differenze di velocità.
3. Strategia di Iniezione di Rumore: Per affrontare il collo di bottiglia della bassa diversità intra-gruppo, gli autori introducono una strategia di iniezione di rumore. Rumore di Perlin temporalmente lisciato viene aggiunto alla componente di traslazione delle condizioni di input della traiettoria della testa. Questo simula input pseudo fuori distribuzione, costringendo la politica di diffusione ad affrontare stati leggermente spostati. Ciò aumenta l'incertezza del modello e la diversità degli output all'interno del gruppo campionato, garantendo una deviazione standard non banale per il calcolo del vantaggio GRPO e stabilizzando il processo di apprendimento.

Contributi Chiave

• Framework MOTIONGRPO: L'introduzione di un framework di post-addestramento basato su RL per il recupero del movimento in prima persona che ottimizza una ricompensa ibrida combinando un modello percettivo appreso per la plausibilità globale e obiettivi espliciti per un allineamento preciso delle articolazioni.
• Identificazione e Mitigazione della Bassa Diversità: L'identificazione della "bassa diversità intra-gruppo" come collo di bottiglia fondamentale per l'applicazione della GRPO ai compiti di recupero del movimento deterministico. Gli autori propongono una strategia di iniezione di rumore temporalmente lisciato per aumentare la diversità degli output e prevenire la scomparsa dei gradienti.
• Prestazioni allo Stato dell'Arte: Estesi esperimenti che dimostrano come il framework raggiunga prestazioni superiori sia in termini di accuratezza delle articolazioni che di fedeltà visiva rispetto alle baseline esistenti.

Risultati Sperimentali
Il metodo è stato valutato sui benchmark AMASS e RICH, con una validazione qualitativa aggiuntiva sul dataset Aria Digital Twins (ADT).

• Prestazioni Quantitative: MOTIONGRPO ha ottenuto risultati allo stato dell'arte, superando significativamente baseline competitive come EgoAllo. Sul dataset AMASS, ha ridotto l'Errore Medio di Posizione per Articolazione (MPJPE) da 124,985 mm a 114,207 mm e l'MPJPE allineato con Procruste (PA-MPJPE) da 103,958 mm a 95,512 mm. Sono state osservate migliorie simili sul dataset RICH.
• Qualità Visiva: Il framework ha mitigato efficacemente gli artefatti ad alta frequenza. Le metriche per Tremolio, Scivolamento dei Piedi e Penetrazione nel Terreno hanno mostrato miglioramenti coerenti rispetto alle baseline, confermando l'efficacia del meccanismo di ricompensa ibrido.
• Studi di Ablazione:
  • La GRPO "vanilla" con ricompense per le articolazioni ha migliorato la precisione locale ma ha richiesto la ricompensa visiva per affrontare la plausibilità fisica globale.
  • La strategia di iniezione del rumore di Perlin è stata critica; senza di essa, la diversità del gruppo è crollata e i guadagni di prestazione sono stati limitati.
  • L'uso di campioni negativi difficili sintetizzati ha migliorato significativamente la capacità del modello percettivo di discriminare tra movimenti naturali e difettosi rispetto alla semplice iniezione di rumore sui dati reali.
• Efficienza: Come strategia di post-addestramento, MOTIONGRPO impone un sovraccarico computazionale trascurabile durante l'inferenza, mantenendo velocità di inferenza e utilizzo della VRAM comparabili ai modelli di diffusione baseline.

Significato
Il documento afferma che MOTIONGRPO rappresenta un avanzamento significativo colmando il divario tra i modelli generativi di diffusione e i vincoli geometrici precisi richiesti per il recupero del movimento. Adattando la GRPO con una nuova strategia di iniezione di rumore, il framework supera i limiti dell'adattamento della distribuzione standard e il problema del gradiente che svanisce, intrinseco ai compiti di recupero deterministico. Il risultato è un sistema capace di recuperare il movimento del corpo intero ad alta fedeltà con una plausibilità visiva e un'accuratezza delle articolazioni superiori, offrendo una soluzione robusta per il recupero del movimento in prima persona nelle applicazioni VR/AR.