이 연구는 대규모 인간 동작 데이터셋을 활용하여 범용 휴머노이드 동작 표현을 학습하는 방법을 제안한다. 기존 연구들은 특정 동작 스타일(예: 보행, 게임 캐릭터)에 특화된 동작 표현을 학습하였지만, 이는 복잡한 과제에 적용하기 어려웠다.
이 연구에서는 먼저 대규모 인간 동작 데이터셋을 모방할 수 있는 모방 모델을 학습한다. 그리고 이 모방 모델의 동작 기술을 변분 정보 병목 구조를 이용하여 잠재 공간 모델로 압축한다. 또한 자기 자신의 자세와 속도 정보를 활용하는 학습 가능한 사전 분포를 함께 학습하여, 안정적이고 다양한 동작을 생성할 수 있도록 한다.
이렇게 학습된 동작 표현은 계층적 강화 학습 프레임워크에 적용되어, 다양한 과제(속도 제어, 타깃 타격, 복잡한 지형 이동, VR 컨트롤러 추적 등)에서 인간과 유사한 동작을 생성할 수 있음을 보여준다. 이를 통해 기존 방법들의 한계를 극복하고, 범용적으로 활용할 수 있는 동작 제어 기술을 제공한다.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Zhengyi Luo,... kl. arxiv.org 04-15-2024
https://arxiv.org/pdf/2310.04582.pdfDybere Forespørgsler