Nội dung trên trang web này đã được dịch bằng trí tuệ nhân tạo (AI) hoặc công nghệ dịch máy và có thể có lỗi.

Skip to content
3D

Quá cứng, quá mạnh, quá thông minh: Đánh giá các vấn đề cơ bản trong chính sách kiểm soát chuyển động

Author

Kaixiang Xie (McGill), Pei Xu (Clemson), Sheldon Andrews (ETS + Roblox), Victor Zordan, Paul Kry (McGill)

Venue

SCA 2023

Abstract

Các phương pháp học sâu tăng cường (DRL) đã cho thấy kết quả ấn tượng trong việc tổng hợp chuyển động tinh tế của các nhân vật dựa trên vật lý, và mặc dù các phương pháp này hoạt động tốt trong việc theo dõi các chuyển động tham chiếu hoặc thực hiện các tác vụ phức tạp, một số vấn đề nảy sinh khi đánh giá tính tự nhiên của chuyển động. Trong bài báo này, chúng tôi tiến hành một nghiên cứu sơ bộ về các chỉ số định lượng cụ thể để đo lường tính tự nhiên của chuyển động do các chính sách điều khiển DRL tạo ra, vượt ra ngoài vẻ ngoài trực quan của chúng. Cụ thể, chúng tôi đề xuất nghiên cứu độ cứng của chính sách điều khiển, với giả định rằng nó sẽ ảnh hưởng đến cách nhân vật phản ứng trước các tác động bên ngoài. Thứ hai, chúng tôi thiết lập hai tiêu chuẩn tham chiếu về sức mạnh để đánh giá việc sử dụng mô-men khớp so với hiệu suất của con người. Thứ ba, chúng tôi đề xuất nghiên cứu về độ biến thiên để làm rõ độ chính xác không tự nhiên của các chính sách điều khiển và so sánh chúng với chuyển động thực tế của con người. Tóm lại, chúng tôi nhằm thiết lập các thước đo có thể lặp lại để đánh giá tính tự nhiên của các chính sách điều khiển do các phương pháp DRL tạo ra, và chúng tôi trình bày một bộ so sánh từ các hệ thống tiên tiến nhất. Cuối cùng, chúng tôi đề xuất các điều chỉnh đơn giản để cải thiện tính chân thực trên các khía cạnh này.