Disney Research 开发的，让机器人能够更像人类一样跳舞、跳跃等动作学习技术「VMP: Versatile Motion Priors for Robustly Tracking Motion on Physical Characters」的视频已经公开了！SIGGRAPH 2024 技术论文！

VMP: Versatile Motion Priors for Robustly Tracking Motion on Physical Characters

近年来，基于物理的角色控制取得了进展，使得可以从非结构化动作数据中学习策略。然而，要学习一个能够应对多样且未知动作、并可部署到真实世界物理机器人的单一控制策略，仍然十分困难。本文着眼于模仿精度，提出了一种两阶段方法，使角色能够通过带有全身运动学动作参考进行控制。
在第一阶段，通过变分自训练学习潜在空间，从而提取潜在空间编码。
接着，利用来自时变潜在符号的嵌入，在第二阶段学习条件策略，提供从运动学输入到考虑动力学输出的映射。
将这两个阶段分离后，可以同时受益于用于获得更好潜在代码的自监督方法，以及用于避免模式崩溃的显式模仿奖励。我们在仿真中使用用户指定的未知动作，以及将动态动作带入现实世界的双足机器人上，验证了该方法的效率与鲁棒性。

这种技术革新让人兴奋。近几年机器人动作给人的印象也越来越好了。
论文 PDF 等请查看官方网站。

链接

VMP: Versatile Motion Priors for Robustly Tracking Motion on Physical Characters – Disney Research