3D
AdaptNet: 물리 기반 캐릭터 제어를 위한 정책 적응
Author
Venue
SIGGRAPH Asia 2023
Abstract
인간이 새로운 기술을 습득할 때 기존 기술을 적응시키는 능력에서 착안하여, 본 논문은 기존 정책의 잠재 공간을 수정하여 처음부터 학습하는 것에 비해 유사한 과제에서 새로운 행동을 신속하게 학습할 수 있도록 하는 접근법인 AdaptNet을 제시한다. 주어진 강화 학습 제어기를 기반으로 하는 AdaptNet은 2단계 계층 구조를 사용하여, 행동의 미묘한 변화를 지원하기 위해 원래의 상태 임베딩을 보강하고, 더 실질적인 변화를 주기 위해 정책 네트워크 레이어를 추가로 수정한다. 이 기법은 기존의 물리 기반 제어기를 다양한 새로운 이동 방식, 새로운 과제 목표, 캐릭터 형태학적 변화 및 광범위한 환경 변화에 효과적으로 적응시키는 것으로 입증되었다. 또한, 처음부터 학습하거나 기존 정책을 수정하는 다른 접근 방식에 비해 훈련 시간이 대폭 단축된 것으로 나타났듯이, 학습 효율성이 크게 향상되었다. 소스 코드는 https://motion-lab.github.io/AdaptNet에서 확인할 수 있다.
