MIMo grows! Simulating body and sensory development in a multimodal infant model

📄 arXiv: 2509.09805v1 📥 PDF

作者: Francisco M. López, Miles Lenz, Marco G. Fedozzi, Arthur Aubret, Jochen Triesch

分类: cs.RO

发布日期: 2025-09-11

备注: Accepted at IEEE ICDL 2025. 6 pages, 6 figures

🔗 代码/项目: GITHUB

💡 一句话要点

MIMo v2：构建可模拟身体和感觉发育的多模态婴儿模型，促进早期发展研究。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多模态模型 婴儿模型 感觉运动发育 机器人仿真 发育心理学

📋 核心要点

  1. 现有发育机器人和仿真平台难以模拟婴儿身体生长和感觉运动能力快速变化。
  2. MIMo v2通过模拟身体生长、视觉发育和感觉运动延迟，更真实地模拟婴儿发育过程。
  3. MIMo v2包含逆运动学模块和随机环境生成器，并兼容第三方库，方便研究和应用。

📝 摘要（中文）

本文介绍了多模态婴儿模型MIMo v2，旨在解决现有发育机器人和仿真平台难以捕捉婴儿快速身体生长和感觉运动能力爆炸式变化的问题。MIMo v2包含一个可生长的身体，其驱动强度随年龄增长（0-24个月）。它还具有中央凹视觉，视觉敏锐度随发育而变化，以及模拟有限信号传输速度的感觉运动延迟。此外，MIMo v2还包括一个逆运动学模块、一个随机环境生成器，并更新了与第三方仿真和学习库的兼容性。总体而言，新版MIMo提高了模拟感觉运动发育各个方面的真实性。代码已在官方仓库（https://github.com/trieschlab/MIMo）上提供。

🔬 方法详解

问题定义：现有发育机器人和仿真平台通常针对特定年龄段设计，无法模拟婴儿在出生后24个月内身体的快速生长、感觉能力和运动能力的显著变化。这限制了我们对婴儿早期发育过程的理解和建模。现有方法难以捕捉婴儿不断变化的身体约束和能力。

核心思路：MIMo v2的核心思路是构建一个具有可变参数的婴儿模型，这些参数能够随着模拟时间的推移而变化，从而反映婴儿在不同发育阶段的身体特征、感觉能力和运动技能。通过这种方式，可以更真实地模拟婴儿与环境的交互，并研究感觉运动发育的机制。

技术框架：MIMo v2的整体框架包括以下几个主要模块：1) 可生长的身体模型：该模型允许身体的尺寸和驱动强度随模拟年龄增长而变化。2) 中央凹视觉系统：模拟了婴儿的视觉发育过程，包括视觉敏锐度的提高。3) 感觉运动延迟模型：考虑了神经信号传输的有限速度。4) 逆运动学模块：用于控制模型的运动。5) 随机环境生成器：用于创建不同的交互环境。6) 第三方库兼容性：方便与其他仿真和学习工具集成。

关键创新：MIMo v2的关键创新在于其能够动态地模拟婴儿的身体和感觉系统的发育过程。与静态模型相比，MIMo v2能够更好地反映婴儿在不同发育阶段的能力和限制，从而为研究感觉运动发育提供了更真实的平台。此外，集成的逆运动学模块和随机环境生成器也提高了模型的可用性和通用性。

关键设计：MIMo v2的关键设计包括：1) 身体生长参数：定义了身体各部分的生长速度和最终尺寸。2) 视觉发育参数：定义了视觉敏锐度随年龄增长的变化曲线。3) 感觉运动延迟参数：定义了神经信号传输的延迟时间。4) 驱动强度参数：定义了肌肉力量随年龄增长的变化。这些参数可以根据实际的婴儿发育数据进行调整，以提高模型的准确性。

📊 实验亮点

MIMo v2通过模拟婴儿的身体生长、视觉发育和感觉运动延迟，实现了更真实的感觉运动发育建模。集成的逆运动学模块和随机环境生成器提高了模型的可用性。与之前的版本相比，MIMo v2在模拟真实性和功能性方面都有显著提升，为研究婴儿发育提供了更强大的工具。

🎯 应用场景

MIMo v2可应用于多个领域，包括：1) 发育心理学研究：用于研究婴儿感觉运动发育的机制。2) 机器人学习：作为机器人学习的仿真环境，帮助机器人学习婴儿般的运动技能。3) 康复医学：用于评估和训练运动障碍儿童。4) 人机交互：设计更自然和直观的人机交互界面。该模型有望促进我们对人类早期发展的理解，并推动相关技术的发展。

📄 摘要（原文）

Infancy is characterized by rapid body growth and an explosive change of sensory and motor abilities. However, developmental robots and simulation platforms are typically designed in the image of a specific age, which limits their ability to capture the changing abilities and constraints of developing infants. To address this issue, we present MIMo v2, a new version of the multimodal infant model. It includes a growing body with increasing actuation strength covering the age range from birth to 24 months. It also features foveated vision with developing visual acuity as well as sensorimotor delays modeling finite signal transmission speeds to and from an infant's brain. Further enhancements of this MIMo version include an inverse kinematics module, a random environment generator and updated compatiblity with third-party simulation and learning libraries. Overall, this new MIMo version permits increased realism when modeling various aspects of sensorimotor development. The code is available on the official repository (https://github.com/trieschlab/MIMo).