టాస్క్ నియంత్రణతో కూడిన సంయుక్త చలన అభ్యాసం
Author
Venue
సిగ్గ్రాఫ్ 2023
Abstract
మేము భౌతికంగా అనుకరించబడిన పాత్రల కోసం సంయుక్త మరియు పని-ఆధారిత చలన నియంత్రణ కోసం ఒక డీప్ లెర్నింగ్ పద్ధతిని అందిస్తున్నాము. పూర్తి-శరీర చలనాలను అనుకరించే రీఇన్ఫోర్స్మెంట్ లెర్నింగ్ను ఉపయోగించే ప్రస్తుత డేటా-ఆధారిత విధానాలకు భిన్నంగా, మేము ఒక GAN-లాంటి సెటప్లో బహుళ డిస్క్రిమినేటర్ల వినియోగాన్ని ఉపయోగించుకోవడం ద్వారా, ఒకేసారి మరియు నేరుగా బహుళ రిఫరెన్స్ చలనాల నుండి నిర్దిష్ట శరీర భాగాల కోసం వేరు చేయబడిన చలనాలను నేర్చుకుంటాము. ఈ ప్రక్రియలో, నేర్చుకోవడానికి సంయుక్త రిఫరెన్స్ కదలికలను ఉత్పత్తి చేయడానికి ఎలాంటి మాన్యువల్ పని అవసరం లేదు. బదులుగా, ఆ కంట్రోల్ పాలసీ సంయుక్త కదలికలను స్వయంచాలకంగా ఎలా కలపవచ్చో స్వయంగా అన్వేషిస్తుంది. మేము తదుపరి బహుళ టాస్క్-నిర్దిష్ట రివార్డులను పరిగణనలోకి తీసుకుని, ఒకే, బహుళ-లక్ష్య కంట్రోల్ పాలసీని శిక్షణ ఇస్తాము. ఈ లక్ష్యం కోసం, మేము బహుళ-లక్ష్య అభ్యాసానికి ఒక నూతన ఫ్రేమ్వర్క్ను ప్రతిపాదిస్తున్నాము, ఇది బహుళ వనరుల నుండి విభిన్న కదలికలను మరియు బహుళ లక్ష్య-నిర్దేశిత నియంత్రణ లక్ష్యాలను నేర్చుకోవడాన్ని అనుకూలంగా సమతుల్యం చేస్తుంది. అదనంగా, సంయుక్త కదలికలు సాధారణంగా సరళమైన ప్రవర్తనల విస్తరణలు కాబట్టి, మేము సంయుక్త నియంత్రణ విధానాలను క్రమానుగతంగా శిక్షణ ఇవ్వడానికి ఒక నమూనా-సమర్థవంతమైన పద్ధతిని పరిచయం చేస్తున్నాము, ఇక్కడ మేము ముందుగా శిక్షణ పొందిన విధానాన్ని మెటా విధానంగా పునర్వినియోగం చేస్తాము మరియు కొత్త సంయుక్త పనుల కోసం మెటా విధానాన్ని అనుకూలించే ఒక సహకార విధానాన్ని శిక్షణ ఇస్తాము. సంయుక్త కదలికల అనుకరణ మరియు బహుళ లక్ష్య-నిర్దేశిత నియంత్రణ రెండింటినీ కలిగి ఉండే వివిధ రకాల సవాలుతో కూడిన బహుళ-లక్ష్య పనులపై మా విధానం యొక్క వర్తనీయతను మేము చూపిస్తున్నాము.
