Görev Kontrolü ile Bileşik Hareket Öğrenimi
Author
Venue
SIGGRAPH 2023
Abstract
Fiziksel olarak simüle edilmiş karakterler için bileşik ve görev odaklı hareket kontrolüne yönelik bir derin öğrenme yöntemi sunuyoruz. Tüm vücut hareketlerini taklit eden pekiştirme öğrenmesini kullanan mevcut veri odaklı yaklaşımların aksine, GAN benzeri bir kurulumda birden fazla ayırt ediciyi kullanarak belirli vücut parçaları için ayrıştırılmış hareketleri birden fazla referans hareketinden eşzamanlı ve doğrudan öğreniyoruz. Bu süreçte, öğrenme için bileşik referans hareketler üretmek üzere herhangi bir manuel çalışmaya gerek yoktur. Bunun yerine, kontrol politikası bileşik hareketlerin nasıl otomatik olarak birleştirilebileceğini kendi başına keşfeder. Ayrıca, birden fazla göreve özgü ödülü hesaba katarak tek bir çok amaçlı kontrol politikası eğitiyoruz. Bu amaçla, birden fazla kaynaktan gelen farklı hareketlerin öğrenilmesini ve birden fazla hedefe yönelik kontrol hedefini uyumlu bir şekilde dengeleyen çok amaçlı öğrenme için yeni bir çerçeve öneriyoruz. Ayrıca, bileşik hareketler genellikle daha basit davranışların genişletmeleri olduğundan, bileşik kontrol politikalarını aşamalı bir şekilde eğitmek için örnek verimli bir yöntem sunuyoruz; burada önceden eğitilmiş bir politikayı meta politika olarak yeniden kullanıyor ve yeni bileşik görevler için meta politikayı uyarlayan işbirlikçi bir politika eğitiyoruz. Yaklaşımımızın, hem bileşik hareket taklidi hem de çoklu hedefe yönelik kontrolü içeren çeşitli zorlu çok amaçlı görevlerdeki uygulanabilirliğini gösteriyoruz.
