PlaMo: Plan and Move in Rich 3D Physical Environments

在复杂的物理模拟世界中控制人形机器人一直是一个长期的挑战，具有众多的应用场景，如游戏、模拟和视觉内容创作。在我们的设置中，给定一个丰富而复杂的3D场景，用户提供一个由目标位置和运动类型组成的指令列表。为了解决这个任务，我们提出了PlaMo，一种场景感知的路径规划器和强大的基于物理的控制器。路径规划器考虑了场景对运动的各种限制，如位置、高度和速度，生成一系列运动路径。与规划器相辅相成，我们的控制策略生成丰富而真实的物理运动，遵循规划的路径。我们展示了两个模块的结合如何使机器人以多种形式穿越复杂的景观，并对环境中的实时变化做出响应。视频：https://youtu.be/wWlqSQlRZ9M。

解决问题：该论文旨在解决在复杂的物理模拟世界中控制人形机器人的问题，该问题在游戏、模拟和视觉内容创建中具有广泛的应用。

关键思路：该论文提出了PlaMo，一种场景感知路径规划器和强大的基于物理的控制器的组合，以解决上述问题。路径规划器考虑场景对运动的各种限制，例如位置、高度和速度，生成一系列运动路径。控制策略生成逼真的物理运动，以执行规划路径。

其他亮点：该论文的组合模型能够在复杂的景观中以多种方式遍历，同时响应环境中的实时变化。该论文的实验结果表明，PlaMo能够成功地控制人形机器人，表现出高度逼真的物理运动。该论文还提供了视频演示和开源代码，为相关工作提供了参考。

相关研究：最近的相关研究包括“DeepMimic：基于深度增强学习的逼真人形运动合成”和“基于模型的增强学习和物理仿真的人形机器人控制”等。