InsActor: Instruction-driven Physics-based Characters

生成具有直观控制的基于物理的角色动画一直是一项令人向往的任务，具有众多的应用。然而，由于物理环境的复杂性和人类语言的丰富性，生成反映高级人类指令的物理模拟动画仍然是一个困难的问题。本文提出了InsActor，这是一个基于原则的生成框架，利用最近在扩散式人体运动模型方面的进展，生成基于指令驱动的物理角色动画。我们的框架通过采用扩散策略进行灵活条件化的运动规划，使InsActor能够捕捉高级人类指令和角色运动之间的复杂关系。为了克服计划运动中的无效状态和不可行状态转换，InsActor发现了低级技能，并将计划映射到紧凑的潜在技能序列中。广泛的实验表明，InsActor在各种任务上实现了最先进的结果，包括基于指令驱动的运动生成和基于指令驱动的航点航向。值得注意的是，InsActor使用高级人类指令生成物理模拟动画的能力使其成为一个有价值的工具，特别是在执行具有丰富指令集的长期任务时。

论文旨在解决生成基于物理的角色动画并具有直观控制的问题，通过使用高级人类指令来生成物理模拟动画。

InsActor是一种生成框架，利用最近的扩散式人体运动模型来生成基于指令的物理模拟动画。该框架通过使用扩散策略进行灵活条件的运动规划，从而使InsActor能够捕捉高级人类指令与角色动作之间的复杂关系。为了克服计划运动中的无效状态和不可行状态转换，InsActor发现了低级技能，并将计划映射到紧凑的潜在技能序列中。

论文通过广泛的实验表明，InsActor在各种任务中都取得了最先进的结果，包括基于指令的运动生成和基于指令的航点航向。InsActor能够使用高级人类指令生成物理模拟动画，使其成为一个有价值的工具，特别是在执行具有丰富指令集的长期任务时。

最近的相关研究包括使用深度学习模型生成物理模拟动画，如DeepMimic和Neural State Machine。还有一些研究探索了使用强化学习生成基于指令的动画，如DANCE和DPIG。