3D
AdaptNet：基於物理的角色的政策適應
Author
Venue
SIGGRAPH Asia 2023
Abstract
受人類在學習新技能時具備適應能力之啟發，本文提出 AdaptNet，這是一種透過修改現有策略的潛在空間，使系統能從類似任務中快速學習新行為的方法，相較於從頭開始學習，此法更具效率。AdaptNet 基於既定的強化學習控制器，採用兩層級的層次結構：首先擴充原始狀態嵌入以支援行為的微調，並進一步修改策略網路層以實現更實質的變革。 研究顯示，此技術能有效將現有的物理基礎控制器適應於多種新的移動風格、新的任務目標、角色形態的變化以及環境的廣泛變動。此外，相較於從頭開始訓練或使用其他修改現有策略的方法，其訓練時間大幅縮短，顯示出顯著的學習效率提升。原始碼可於 https://motion-lab.github.io/AdaptNet 取得。
