MyoMechanixの研究チームは2026年8月26日(現地時間)、重量負荷のある動作を理解し、そのコーチングを支援するマルチモーダルエコシステム「MyoMechanix」を発表しました。既存のアクション品質評価 (Action Quality Assessment, AQA) 手法が視覚情報に偏り、生理学的動態を見落とすという限界を克服するため、モーションと筋肉活動を同期させたデータセットと解析フレームワークを構築し、運動指導の新たな基盤を示しました。
MyoMechanixは、20種類の動作を行う38名の被験者から収集された7,500以上のサンプルを含む、これまでで最大規模のマルチモーダルAQAベンチマークを提供します。この大規模データセットには、同期されたマルチビューRGBビデオ、3D姿勢、sEMG (表面筋電図)、および追加の生理学的信号が含まれており、運動の質を多角的に分析することを可能にします。
研究チームはさらに、専門家によるアノテーションを構造化された関係性として整理するフィットネス知識グラフ (Fitness Knowledge Graph, FKG)を構築しました。これにより、動作、フェーズ、主要ステップ、エラー、および修正フィードバック間の複雑な関係が明確化され、構成的なスコアリングと詳細な解釈が可能な評価を実現します。この表現を基盤として開発されたCUBIST (構成的オントロジー推論エンジン)は、分解・分析・再構成のプロセスを通じて、きめ細かなエラーの原因特定と具体的なフィードバック生成を行います。
また、研究ではMyoMechanix-AQA、MyoMechanix-VideoQA、および新しいMyoMechanix-Video2EMGという三つのタスクが確立されました。実験結果によると、マルチモーダルセンシングと構造化された表現は、動作評価の性能、解釈可能性、およびエラーの原因特定能力を顕著に向上させることが示されています。特にCUBISTは最先端の結果を達成し、MyoMechanix-VideoQAは言語に基づいた動作理解を強化します。さらに、MyoMechanix-Video2EMGは、高価なsEMGセンシングをビデオデータで代替できる可能性を示唆しており、より手軽な運動分析への道を開きます。MyoMechanixは、フィットネス、リハビリテーション、ヘルスケア、および機械学習におけるPhysical AIアプリケーション向けに、生体力学に基づいたマルチモーダルかつ構成的な推論によるスキル活動理解を推進するものです。
参考: arXiv cs.CV — 2026年8月27日 02:56 (JST)
原文ハイライト"MyoMechanix: Biomechanically-Grounded Compositional Skilled Activity Understanding and Coaching"