「DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills（物理を基礎としたキャラクタースキルの例題指導深層強化学習）」 SIGGRAPH 2018技術論文！

SIGGRAPH 2018: DeepMimic paper (main video)

内容

キャラクターアニメーションの長年にわたる目標は、データ駆動型の動作仕様を、物理シミュレーションで同様の動作を実行できるシステムと組み合わせることで、摂動や環境変動に対する現実的な対応を可能にすることです。複雑なリカバリの学習、形態の変化への適応、ユーザ指定の目標の達成など、広く知られた強化学習（RL）手法を幅広いモーション・クリップの模範を模倣できるロバストな制御ポリシーを学習するために適用できることを示します。この手法では、キーフレームの動き、モーションキャプチャされたフリップやスピンなどの高度に動的なアクション、ターゲットを絞ったモーションを処理します。モーション擬似の目的をタスクの目的と組み合わせることで、インタラクティブな設定でインテリジェントに反応するキャラクターを訓練することができます。たとえば、所望の方向に歩くことによって、またはユーザが指定した目標にボールを投げることによって達成される。したがって、このアプローチは、RLメソッドおよび物理ベースのアニメーションによって提供される柔軟性および一般性を用いて、モーションクリップを使用して所望のスタイルおよび外観を定義する利便性およびモーション品質を組み合わせる。さらに、さまざまなスキルの豊富なレパートリーを実行できるマルチスキルエージェントを開発するために、複数のクリップをラーニングプロセスに統合するためのさまざまな方法を検討します。我々は、複数のキャラクター（人間、アトラスロボット、二足歩行の恐竜、ドラゴン）を使用し、歩行、アクロバット、武道などの様々なスキルを使用して結果を実証します。RLメソッドと物理ベースのアニメーションによって提供される柔軟性と汎用性を備えています。さらに、さまざまなスキルの豊富なレパートリーを実行できるマルチスキルエージェントを開発するために、複数のクリップをラーニングプロセスに統合するためのさまざまな方法を検討します。我々は、複数のキャラクター（人間、アトラスロボット、二足歩行の恐竜、ドラゴン）を使用し、歩行、アクロバット、武道などの様々なスキルを使用して結果を実証します。RLメソッドと物理ベースのアニメーションによって提供される柔軟性と汎用性を備えています。さらに、さまざまなスキルの豊富なレパートリーを実行できるマルチスキルエージェントを開発するために、複数のクリップをラーニングプロセスに統合するためのさまざまな方法を検討します。我々は、複数のキャラクター（人間、アトラスロボット、二足歩行の恐竜、ドラゴン）を使用し、歩行、アクロバット、武道などの様々なスキルを使用して結果を実証します。

Google翻訳

逆境に負けず動き続けるキャラが何とも言えない…
いやぁでも凄い。

関連リンク

DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills
Towards a Virtual Stuntman – The Berkeley Artificial Intelligence Research Blog