基于 AI 深度强化学习的拳击选手身体不仅拥有超高自由度，而且它还掌握了格挡、后退、摆拳等拳击基本动作。

Facebook 人工智能研究部门（FAIR）在机器学习领域，总能带来一些意想不到的成果，上面的演示正是它们在《Control Strategies for Physically Simulated Characters Performing Two-player Competitive Sports》（模拟人物进行双人竞技运动的控制策略）一文中的部分演示片段。

论文地址：https://research.fb.com/wp-content/uploads/2021/06/Control-Strategies-for-Physically-Simulated-Characters-Performing-Two-player-Competitive-Sports.pdf

在这篇论文中，研究人员开发了一个学习框架，通过物理模拟角色学习基本技能、学习回合级别的策略、深度强化学习的步骤方法，来模拟人们学习竞技体育的训练路线。

同时，它们还开发了一个编码器-解码器结构的策略模型来让物理模拟角色进行训练学习，该结构包含一个自回归潜在变量和一个专家混合解码器。

为了展示框架的有效性，研究人员通过拳击和击剑两种运动，演示了物理模拟角色在框架学习到的控制策略，这些策略可以生成战术行为，并且让所有动作看起来更自然。

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