人与人之间的身体交互是日常生活中的重要元素,例如握手打招呼和一起跳舞。研究人员从苹果、Meta、卡内基梅隆大学和首尔大学组成的团队发表了一篇论文,介绍了一种使用深度强化学习来模拟复杂多角色交互的方法。他们的方法不仅模仿个人动作,还模仿角色之间的交互,并通过奖励控制策略有效地模仿角色的动作。团队使用了一种新的基于交互图的奖励公式来测量角色之间的距离,这样可以保留参考动作中交互的空间关系。实验证明,他们的方法能够产生物理上合理的交互。
团队采用了一个基于interaction graph(IG)的新奖励方法,用于衡量角色之间的距离,并保留参考动作中的交互语义。他们还建立了一个较为复杂的多角色交互的模拟环境,评估了所提出的方法。实验结果表明,该方法可以产生物理上合理的交互,并能够适用于各种角色和物体的运动。
尽管方法取得了一定的成功,但仍存在一些局限性。例如,奖励函数设计有一些限制,训练需要更多样本来收敛。此外,控制器仅适用于特定身体结构的角色,且无法执行参考动作中不存在的交互。未来的研究方向将继续优化这一方法,并进一步扩展其应用范围。