3D
SIGGRAPH 2023
タスク制御を用いた複合運動学習
Author
Venue
SIGGRAPH 2023
Abstract
本論文では、物理シミュレーションされたキャラクターのための、複合的かつタスク駆動型の運動制御に向けた深層学習手法を提案する。全身の動きを模倣する強化学習を用いた既存のデータ駆動型アプローチとは対照的に、我々はGANのような構成において複数の判別器を活用することで、特定の身体部位に対する分離された動きを、複数の参照動作から同時にかつ直接的に学習する。 このプロセスにおいて、学習用の複合参照動作を生成するための手作業は一切不要である。その代わりに、制御ポリシーが複合動作をどのように自動的に組み合わせられるかを自ら探索する。さらに、複数のタスク固有の報酬を考慮し、単一の多目的制御ポリシーを学習させる。この目的のために、我々は複数のソースからの異なる動作の学習と、複数の目標指向制御目標とのバランスを適応的に調整する、多目的学習のための新規フレームワークを提案する。 さらに、複合動作は通常、より単純な動作の拡張であることから、サンプル効率の高い手法を導入し、複合制御ポリシーを段階的に学習させる。具体的には、事前学習済みのポリシーをメタポリシーとして再利用し、新しい複合タスクに向けてメタポリシーを適応させる協調的ポリシーを学習させる。本手法の適用可能性を、複合動作の模倣と複数の目標指向制御の両方を含む、様々な困難な多目的タスクにおいて実証する。
