Grunnleggende konsepter
大規模なモーションデータセットからモーションを模倣できる汎用的なモーション表現を学習することで、様々なタスクに再利用可能な運動スキルを獲得できる。
Sammendrag
本研究では、物理シミュレーションに基づくヒューマノイドの汎用的なモーション表現を提案する。
まず、大規模なモーションデータセットからモーションを模倣できる「PHC+」を学習する。次に、PHC+の運動スキルを蒸留して、バリエーショナル情報ボトルネックを用いた潜在空間モデル「PULSE」を構築する。
PULSEの潜在空間は、広範囲の運動スキルを含み、物理的に整合性のある長期的な人間らしい動作を生成できる。また、学習した事前分布を用いることで、効率的な探索が可能となる。
PULSEを用いて、単純な歩行から複雑な地形移動、VRコントローラトラッキングなどのタスクを解くことができ、従来手法よりも優れた性能を示す。これにより、PULSEが汎用的なモーション表現として機能することが示された。
Statistikk
提案手法は、AMASS データセットの全ての動作を模倣できる単一のポリシー「PHC+」を学習できる。
PHC+の運動スキルを蒸留して構築したPULSEの潜在空間は、物理的に整合性のある長期的な人間らしい動作を生成できる。
PULSEを用いて学習したタスクポリシーは、単純な歩行から複雑な地形移動、VRコントローラトラッキングなどのタスクを従来手法よりも効率的に解くことができる。