3D
SIGGRAPH 2023
結合任務控制的複合動作學習
Author
Venue
SIGGRAPH 2023
Abstract
我們提出一種針對物理模擬角色的複合式與任務導向動作控制深度學習方法。有別於現有利用強化的數據驅動方法（該方法旨在模仿全身動作），我們透過在類似 GAN 的架構中運用多個判別器，同時且直接地從多個參考動作中學習特定身體部位的解耦動作。 在此過程中，無需任何人工介入來生成用於學習的複合參考動作。相反地，控制策略會自行探索如何自動組合這些複合動作。我們進一步納入多項任務特定獎勵，並訓練單一的多目標控制策略。為此，我們提出了一種新型的多目標學習框架，該框架能自適應地平衡來自多重來源的異質動作學習與多重目標導向的控制目標。 此外，由於複合動作通常是較簡單行為的擴展，我們提出一種樣本效率高的方法，以增量方式訓練複合控制策略：我們將預訓練的策略用作元策略，並訓練一個協作策略，使其能針對新的複合任務調整該元策略。我們在多種涉及複合動作模仿與多重目標導向控制的艱鉅多目標任務上，驗證了本方法的適用性。
