টাস্ক কন্ট্রোলের সাথে যৌগিক গতি শেখা
Author
Venue
SIGGRAPH 2023
Abstract
আমরা ভৌত-সিমুলেটেড চরিত্রগুলির যৌগিক ও কাজ-নির্ভর গতি নিয়ন্ত্রণের জন্য একটি গভীর শিক্ষণ পদ্ধতি উপস্থাপন করছি। পূর্ণ-শরীরের গতি অনুকরণে ব্যবহৃত পুনর্बलন শিক্ষণ-ভিত্তিক বিদ্যমান ডেটা-নির্ভর পদ্ধতির বিপরীতে, আমরা একাধিক রেফারেন্স গতি থেকে নির্দিষ্ট দেহাংশের জন্য বিচ্ছিন্ন গতিসমূহ একযোগে এবং সরাসরি শিখি, একটি GAN-সদৃশ সেটআপে একাধিক ডিসক্রিমিনেটরের ব্যবহারের মাধ্যমে। এই প্রক্রিয়ায় শেখার জন্য যৌগিক রেফারেন্স গতি তৈরি করতে কোনো ম্যানুয়াল কাজের প্রয়োজন হয় না। পরিবর্তে, নিয়ন্ত্রণ নীতি নিজেই অন্বেষণ করে যে কীভাবে যৌগিক গতিগুলি স্বয়ংক্রিয়ভাবে সংযুক্ত করা যেতে পারে। আমরা আরও একাধিক টাস্ক-নির্দিষ্ট পুরস্কার বিবেচনা করি এবং একটি একক, বহু-উদ্দেশ্য নিয়ন্ত্রণ নীতি প্রশিক্ষণ দিই। এই উদ্দেশ্যে, আমরা বহু-উদ্দেশ্য শেখার জন্য একটি নতুন ফ্রেমওয়ার্ক প্রস্তাব করছি যা একাধিক উৎস থেকে ভিন্ন গতি এবং একাধিক লক্ষ্য-নির্দেশিত নিয়ন্ত্রণ উদ্দেশ্য শেখার মধ্যে অভিযোজিতভাবে ভারসাম্য বজায় রাখে। এছাড়াও, যেহেতু যৌগিক গতিবিধি সাধারণত সহজ আচরণের সম্প্রসারণ, আমরা ক্রমবর্ধমান পদ্ধতিতে যৌগিক নিয়ন্ত্রণ নীতি প্রশিক্ষণের জন্য একটি নমুনা-দক্ষ পদ্ধতি উপস্থাপন করি, যেখানে আমরা পূর্ব-প্রশিক্ষিত নীতিকে মেটা নীতি হিসেবে পুনঃব্যবহার করি এবং নতুন যৌগিক কাজের জন্য মেটা নীতিকে অভিযোজিত করে একটি সহযোগী নীতি প্রশিক্ষণ দিই। আমরা যৌগিক গতি অনুকরণ এবং একাধিক লক্ষ্য-নির্দেশিত নিয়ন্ত্রণ উভয়ই জড়িত বিভিন্ন চ্যালেঞ্জিং বহু-উদ্দেশ্যমূলক কাজের উপর আমাদের পদ্ধতির প্রয়োগযোগ্যতা প্রদর্শন করি।
