Học chuyển động tổng hợp với kiểm soát nhiệm vụ
Author
Venue
SIGGRAPH 2023
Abstract
Chúng tôi giới thiệu một phương pháp học sâu để điều khiển chuyển động tổng hợp và theo nhiệm vụ cho các nhân vật được mô phỏng vật lý. Trái ngược với các phương pháp dựa trên dữ liệu hiện có sử dụng học tăng cường để bắt chước các chuyển động toàn thân, chúng tôi học các chuyển động tách biệt cho các bộ phận cơ thể cụ thể từ nhiều chuyển động tham chiếu đồng thời và trực tiếp bằng cách tận dụng việc sử dụng nhiều bộ phân biệt trong một thiết lập giống GAN. Trong quá trình này, không cần bất kỳ công việc thủ công nào để tạo ra các chuyển động tham chiếu tổng hợp cho việc học. Thay vào đó, chính sách điều khiển tự khám phá cách các chuyển động tổng hợp có thể được kết hợp tự động. Chúng tôi cũng tính đến nhiều phần thưởng cụ thể cho từng tác vụ và huấn luyện một chính sách điều khiển đa mục tiêu duy nhất. Để đạt được điều này, chúng tôi đề xuất một khung làm việc mới cho học tập đa mục tiêu, có khả năng cân bằng linh hoạt việc học các chuyển động khác nhau từ nhiều nguồn và các mục tiêu điều khiển hướng đến mục tiêu. Ngoài ra, do các chuyển động tổng hợp thường là sự mở rộng của các hành vi đơn giản hơn, chúng tôi giới thiệu một phương pháp tiết kiệm mẫu để huấn luyện các chính sách điều khiển tổng hợp theo cách tăng dần, trong đó chúng tôi tái sử dụng một chính sách đã được huấn luyện sẵn làm chính sách meta và huấn luyện một chính sách hợp tác để điều chỉnh chính sách meta cho các tác vụ tổng hợp mới. Chúng tôi chứng minh tính ứng dụng của phương pháp này trên nhiều tác vụ đa mục tiêu đầy thách thức, bao gồm cả việc bắt chước chuyển động tổng hợp và điều khiển hướng mục tiêu đa dạng.
