AdaptNet: Điều chỉnh chính sách cho hệ thống điều khiển nhân vật dựa trên vật lý
Author
Venue
SIGGRAPH Châu Á 2023
Abstract
Được truyền cảm hứng từ khả năng thích ứng kỹ năng của con người trong quá trình học hỏi những kỹ năng mới, bài báo này giới thiệu AdaptNet, một phương pháp điều chỉnh không gian tiềm ẩn của các chính sách hiện có để cho phép học các hành vi mới một cách nhanh chóng từ các tác vụ tương tự so với việc học từ đầu. Dựa trên một bộ điều khiển học tăng cường đã cho, AdaptNet sử dụng một cấu trúc phân cấp hai tầng để mở rộng biểu diễn trạng thái ban đầu nhằm hỗ trợ những thay đổi nhỏ trong hành vi và điều chỉnh thêm các lớp mạng chính sách để thực hiện những thay đổi đáng kể hơn. Kỹ thuật này được chứng minh là hiệu quả trong việc điều chỉnh các bộ điều khiển dựa trên vật lý hiện có để phù hợp với nhiều phong cách di chuyển mới, mục tiêu tác vụ mới, thay đổi về hình thái nhân vật và những thay đổi đáng kể trong môi trường. Hơn nữa, nó thể hiện sự gia tăng đáng kể về hiệu quả học tập, được thể hiện qua thời gian đào tạo giảm đáng kể so với việc đào tạo từ đầu hoặc sử dụng các phương pháp khác điều chỉnh các chính sách hiện có. Mã nguồn có sẵn tại https://motion-lab.github.io/AdaptNet.
