3D
SIGGRAPH 2023
基于任务控制的复合运动学习
Author
Venue
SIGGRAPH 2023
Abstract
我们提出了一种用于物理模拟角色复合运动和任务驱动运动控制的深度学习方法。与现有基于强化学习、通过模仿全身动作的驱动方法不同，我们利用类似 GAN 的架构中的多个判别器，从多个参考动作中同时直接学习特定身体部位的解耦动作。 在此过程中，无需任何人工工作来生成用于学习的复合参考动作。相反，控制策略会自主探索如何自动组合这些复合动作。我们进一步考虑了多个任务特定的奖励，并训练了一个单一的多目标控制策略。为此，我们提出了一个新型的多目标学习框架，该框架能够自适应地平衡来自多个来源的异构动作学习与多个目标导向的控制目标。 此外，鉴于复合运动通常是简单行为的扩展，我们引入了一种样本高效的方法，以增量方式训练复合控制策略：其中，我们将预训练策略作为元策略，并训练一个协作策略，该策略能根据新复合任务对元策略进行自适应调整。我们通过多种具有挑战性的多目标任务（涉及复合运动模仿和多目标导向控制）验证了本方法的适用性。
