การเรียนรู้การเคลื่อนไหวแบบผสมผสานด้วยการควบคุมงาน
Author
Venue
SIGGRAPH 2023
Abstract
เรานำเสนอวิธีการเรียนรู้เชิงลึกสำหรับการควบคุมการเคลื่อนไหวแบบผสมและขับเคลื่อนด้วยภารกิจสำหรับตัวละครที่จำลองทางกายภาพ แตกต่างจากวิธีการที่ขับเคลื่อนด้วยข้อมูลที่มีอยู่ซึ่งใช้การเรียนรู้แบบเสริมแรงเพื่อเลียนแบบการเคลื่อนไหวของร่างกายทั้งหมด เราเรียนรู้การเคลื่อนไหวที่แยกออกจากกันสำหรับส่วนต่างๆ ของร่างกายจากหลายการเคลื่อนไหวอ้างอิงพร้อมกันและโดยตรง โดยใช้ประโยชน์จากการใช้ตัวแยกแยะหลายตัวในการตั้งค่าแบบ GAN ในกระบวนการนี้ ไม่จำเป็นต้องมีการทำงานด้วยมือใดๆ เพื่อสร้างการเคลื่อนไหวอ้างอิงแบบผสมสำหรับการเรียนรู้ แต่แทนที่จะเป็นเช่นนั้น นโยบายการควบคุมจะสำรวจด้วยตัวเองว่าการเคลื่อนไหวแบบผสมสามารถรวมกันได้โดยอัตโนมัติอย่างไร นอกจากนี้ เรายังคำนึงถึงรางวัลเฉพาะงานหลายรายการและฝึกฝนนโยบายการควบคุมแบบหลายวัตถุประสงค์เพียงนโยบายเดียว เพื่อจุดประสงค์นี้ เราจึงเสนอเฟรมเวิร์กใหม่สำหรับการเรียนรู้แบบหลายวัตถุประสงค์ที่ปรับสมดุลการเรียนรู้ของการเคลื่อนไหวที่แตกต่างกันจากหลายแหล่งและวัตถุประสงค์การควบคุมที่มุ่งเน้นเป้าหมายหลายประการได้อย่างเหมาะสม นอกจากนี้ เนื่องจากคำสั่งผสมมักเป็นการเพิ่มพฤติกรรมที่ง่ายขึ้น เราจึงแนะนำวิธีการที่มีประสิทธิภาพในการฝึกอบรมนโยบายการควบคุมแบบผสมในลักษณะที่เพิ่มขึ้นทีละน้อย โดยเราใช้ประโยชน์จากนโยบายที่ฝึกอบรมไว้ล่วงหน้าเป็นนโยบายเมตา และฝึกอบรมนโยบายความร่วมมือที่ปรับนโยบายเมตาให้เหมาะสมกับงานผสมใหม่ ๆ เราแสดงให้เห็นถึงความสามารถในการประยุกต์ใช้แนวทางของเราในงานที่มีความท้าทายหลากหลายซึ่งเกี่ยวข้องกับการเลียนแบบการเคลื่อนไหวแบบผสมและการควบคุมที่มีเป้าหมายหลายประการ
