Meta探索Avatar运动稀疏关键帧姿势,改善物理上合理运动效果
Meta人工智能团队和韩国首尔大学最近在《Motion In-betweening for Physically Simulated Characters》中提出了一种新方法,以解决稀疏关键帧姿势的Motion in-betweening问题。他们使用物理模拟的角色和深度强化学习来生成中间姿态。该方法相比现有的基于运动学的方法具有许多优势,即使给出糟糕的输入姿势,它也能产生物理上合理的运动。研究人员使用了一系列关键帧姿势和固定的时间间隔作为输入,并以所需的密集时间间隔生成运动,以生成平滑、物理合理且自然的运动。他们采用了深度强化学习的模仿策略,其中关键帧状态和模拟状态作为状态,稳定PD控制的目标姿态作为动作。研究人员通过比较模型与基线策略的性能表明,他们的方法在很大程度上优于基线策略。未来的研究将专注于删除对连续关键帧之间时间间隔的约束,并建立更通用的模型以生成更多样的行为。