技術的概要：運動学的キットバッシング

問題定義

特定の機能スキーマに準拠した可動 3D オブジェクトの作成（例：スロットルが車輪の回転を制御する車両、またはキー入力によりドアをロックするキャラクター）は、インタラクティブな仮想環境において不可欠である。しかし、そのようなアセットの作成は、幾何学、可動性（運動学的自由度）、およびスキーマ（それらの自由度がどのように制御に露出されるか）の結合された制約を同時に満たす必要があるため、労力を要する。

既存の可動オブジェクト作成手法は、明示的なスキーマ準拠を軽視する傾向があり、限定的で受動的な相互作用のみをサポートするアセットを生成する。さらに、多くの生成アプローチは限られたデータセットでニューラルネットワークを訓練することに依存しており、訓練分布外の構成を処理する能力を制限している。他の手法は、特定のメカニズムクラスに特化した微分可能な前方モデルを慎重に設計することを必要とし、新しい目的への適応が困難である。

この研究が取り組む核心的な課題は、抽象的な運動グラフを、完全に機能する可動オブジェクトへと幾何学的に具体化することである。入力には、部品 - 関節の接続性を定義する抽象グラフ（正確な 3D 構成なし）と、再利用可能な可動部品のライブラリが含まれる。目標は、これらの部品を、運動構造を尊重し、かつ任意にタスクレベルの機能目標（例：衝突のない作動、到達可能性）を満たす一貫性のあるオブジェクトとして組み立てることであり、すべての潜在的な親メッシュに対してアタッチメントポイントを手動で注釈付けることを必要としない。

手法

著者らは、既存モデルから部品を再利用して可動オブジェクトを合成する最適化フレームワークである運動学的キットバッシングを提案する。この手法は、新規アセンブリのために部品を再利用する概念であるキットバッシングに基づいており、静的な形状から例示に基づく類推を介して可動オブジェクトへと拡張されたものである。

1. 例示に基づくアタッチメントの手がかり

親幾何形状上の対応する関節へのアクセスを前提とするのではなく、この手法は再利用される各子部品が、親への取り付け方を示す単一のソースアセットを持つとみなす。重要な洞察は、子部品を取り巻く親幾何形状が、子部品の意図された運動を収容する特徴的な近傍（例：ソケット、くぼみ、または隙間領域）を形成するという点である。この局所的な幾何学的アフォーダンスは、転送可能な手がかりとして扱われる。

2. 運動学を考慮したベクトル距離場（VDF）エネルギー

これらのアタッチメントの手がかりを捉えるため、この手法は**ベクトル距離場（VDF）**を採用する。

• VDF の定義: ソースメッシュ $M_s$ と参照メッシュ $M_t$ に対して、VDF は各頂点に、参照メッシュ上の最も近い点を指すベクトルを割り当てる。
• 運動学への配慮: 静的なアタッチメント手法とは異なり、VDF 一致誤差は可動ポーズの全範囲にわたって累積される。エネルギー関数 $E_{km}$ は、$N$ 個のサンプリングされたポーズ全体にわたって、新しい親に対する変換された部品の VDF と、元の親に対する例示の VDF との間の一致誤差を合計する。
• 最適化: これにより、可動サイクル全体を通じて周囲の幾何形状が例示と一貫性を保つ配置を好むエネルギー項が得られ、運動中の衝突を避けるために必要な隙間が維持されることを保証する。

3. 交互ローカル - グローバル最適化

すべてのポーズにわたってすべての部品の変換（回転、並進、スケール）を直接最適化することは計算コストが高い。著者らは交互最適化スキームを導入する。

• ローカルステップ: 各ポーズ $i$ に補助変換 $Q_i$ を割り当てる。これらの部分問題は独立しており、並列して解かれる。
• グローバルステップ: 各部品に対する共有変換 $P_k$ を、すべての $Q_i$ のリー代数平均として更新する。
  このアプローチは、ニュートン型ソルバーと比較して実行時間を大幅に短縮しながら、堅牢性を維持する。

4. アニーリングランジュバンサンプリングによる機能性誘導合成

ブラックボックス手続き（例：逆運動学、衝突問い合わせ）によって評価されることが多いタスクレベルの機能目標（到達可能性、軌道追跡、衝突回避など）を組み込むため、フレームワークはアニーリングランジュバンサンプリングフレームワークを使用する。

• 全体の目的関数は、運動学的アタッチメントエネルギー（$E_{km}$）と機能性エネルギー（$E_{func}$）を組み合わせる。
• $E_{km}$ は強力な幾何学的事前分布として機能し、幾何学的に妥当なアセンブリ内に探索を集中させる。
• サンプリング器は、ブラックボックス機能項の解析的勾配を必要とせずに構成空間を探索する。

5. 可動性のリターゲティング

フレームワークは、運動グラフ自体への離散的な編集を許可することで、可動性のリターゲティングをサポートする。高品質なアタッチメントを維持しつつ機能パフォーマンスを向上させるバリエーションを発見するために、候補となるグラフ書き換えの小さなセット（例：エッジの分割、ノードの置換）を探索する。

主要な貢献

1. 例示に基づく運動学的キットバッシングの定式化: 可動部品を再利用して運動グラフを具体化するための手法であり、単一のソースアセットがアタッチメントの手がかりを提供する類推として幾何学的具体化を捉える。
2. 運動学を考慮した VDF アタッチメントエネルギー: 可動サイクル全体にわたって幾何学的一致誤差を集約する新規のエネルギー項であり、配置が運動全体を通じて局所的な幾何学的アフォーダンスと隙間を維持することを保証する。
3. 汎用最適化フレームワーク: アニーリングランジュバンサンプリングを介してブラックボックス機能目標とアタッチメントエネルギーを組み合わせるシステム。これは以下の機能をサポートする:
   • 運動学条件付きアセンブリ: ユーザーが選択または検索した部品からグラフを具体化する。
   • 機能性誘導合成: 特定のタスク目標を満たすオブジェクトを組み立てる。
   • 可動性のリターゲティング: 新しいシーンやタスクに適応するために運動グラフを変更する。

結果と評価

著者らは、以下の多様なアプリケーションにおいてフレームワークを実証した。

• ミックス・アンド・マッチ合成: 固定された運動スキーマに準拠しながら、異種部品からキャラクター、ロボット、家具を組み立てる。
• 部品検索: 粗い幾何学的手がかりに基づいて大規模ライブラリ（例：PartNet-Mobality、JoinABLe）から互換性のある部品を自動的に検索し、ジャンセンのリンク機構などのメカニズムを具体化する。
• 機能性駆動アセンブリ: 複数のヘッドを持つランプが特定の目標に到達する、ギア駆動のパドルが軌道を追跡する、折りたたみ式ワークステーションが立方体に収まるなど、複雑な制約を満たすメカニズムを作成する。
• リターゲティング: 扉の覆いを維持しつつ、混雑したシーンでの衝突を回避するようにキャビネットの可動性を適応させる。

定量的比較:
この手法は、PartNet-Mobility テストスプリットにおいて 4 つのベースライン（4-PCS、Part Slot Machine、NAP、CAGE）に対してベンチマークされた。提案手法はすべての指標で最高スコアを達成した。

• 幾何学的: 100% の「Rooted」（連結成分）および 96.9% の「Stable」（重力下で直立）。
• 運動学的: 83.1% のカバレッジ（COV）および 0.038 の最小一致距離（MMD）。
• 機能的: 0.1% の平均重なり率（AOR）であり、ベースラインと比較して優れた衝突回避を示している。

定性的比較:
視覚的結果は、幾何学のみを考慮する手法が頻繁に部品の向きを誤らせるのに対し、運動学を考慮したベースライン（NAP、CAGE）は向きを改善するものの、依然として浮遊または衝突する部品を生成することを示している。運動学的キットバッシングは部品を正しく整列させ、完全に機能する可動性を達成する。また、この手法は画像ベースの生成モデル（例：FreeArt3D）の後処理段階としても機能し、整列しない可動部品を修復する。

意義と主張

この論文は、運動学的キットバッシングが、特にブラックボックス目的が一般的な迅速な設計探索において、既存の手法に対する実用的でスケーラブルな代替手段を提供すると主張している。スキーマ制約を合成プロセスに直接統合することで、開発者は多くの幾何学的バリエーションに対してインタラクションロジックを再利用し、動作を再作成することなく可能にする。

著者らは限界を認めている。この手法はリアルタイムではなくオフライン最適化フレームワークであり、ターゲット親が互換性のある近傍を持たない場合に失敗する可能性がある例示駆動の事前分布に依存しており、衝突のない可動性に対して物理的な厳密保証ではなく緩い保証を提供する。しかし、これは抽象的な運動スキーマと具体的な幾何学的具体化の間のギャップを埋めることで、機能性のある可動 3D アセットの作成を自動化するための重要な一歩を表している。