【标题】ASE: Large-Scale Reusable Adversarial Skill Embeddings for Physically Simulated Characters

【作者团队】Xue Bin Peng, Yunrong Guo, Lina Halper, Sergey Levine, Sanja Fidler

【发表日期】2022.5.4

【论文链接】https://arxiv.org/pdf/2205.01906.pdf

【推荐理由】通过多年的实践和经验，人类展示了令人难以置信的运动技能，这些技能不仅使人类能够执行复杂的任务，还为指导他们学习新任务时的行为提供了强大的先验知识。这与基于物理的角色动画中的常见做法形成了鲜明对比，在基于物理的角色动画中，控制策略通常是针对每个任务从头开始训练的。本文提出了一个大规模的数据驱动框架，用于学习物理模拟角色的通用和可重用的技能嵌入。本文结合了来自对抗性模仿学习和无监督强化学习的技术，开发出能够产生逼真行为的技能嵌入，同时还提供了一种易于控制的表示，用于新的下游任务。本文的模型可以使用非结构化运动剪辑的大型数据集进行训练，而无需对运动数据进行任何特定于任务的注释或分割。通过利用基于GPU的大规模并行模拟器，能够使用超过十年的模拟经验来培训技能嵌入，使模型能够学习到丰富且多功能的技能。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除