由于角色和服裝之間的復雜交互，制作角色穿衣動畫十分具有挑戰(zhàn)性。由喬治亞理工學院博士生與教授，以及Google Brain研究人員組成的團隊采用了深度強化學習（deepRL）來自動發(fā)現(xiàn)由神經(jīng)網(wǎng)絡表示的穩(wěn)定穿衣控制策略。盡管deepRL在學習復雜運動技能方面已經(jīng)取得了一些成功，但學習算法的數(shù)據(jù)要求性質與穿衣任務所需的高昂布料模擬計算成本不一致。

    名為《Learning to Dress: Synthesizing Human Dressing Motion via Deep Reinforcement Learning（學習穿衣：通過深度強化學習來合成人類穿衣運動》的論文于日前正式發(fā)布，并首次證明通過適當設計的輸入狀態(tài)空間和回報函數(shù)，研究人員可以將布料模擬整合至deepRL框架并學習穩(wěn)定的穿衣控制策略。研究人員引入了觸覺信息的顯著呈現(xiàn)來引導穿衣過程，并在訓練期間將其用于回報函數(shù)以提供學習信號。

    1. 理解穿衣問題

    我們每天都會穿衣搭配，比如說穿上T恤或夾克。但對于機器執(zhí)行或計算機模擬而言，這是計算成本高昂且復雜的任務。論文描述的解決方案通過物理模擬和機器學習技術來合成動畫。物理引擎用于模擬角色運動和布料運動。另一方面，神經(jīng)網(wǎng)絡上的深度強化學習則用來產(chǎn)生角色運動。

    2. 物理引擎和神經(jīng)網(wǎng)絡上的強化學習

    論文作者提出了一種觸覺信息的突出呈現(xiàn)以引導穿衣過程。然后當訓練神經(jīng)網(wǎng)絡時，在回報函數(shù)中使用這種觸覺信息來提供學習信號。由于任務過于復雜無法一次執(zhí)行，因此穿衣任務將分成若干子任務，從而實現(xiàn)更好的控制。

    為了匹配從一個任務的輸出狀態(tài)分布到下一個任務的輸入分布，研究人員提出了一種policy sequencing algorithm（策略排序算法）。相同的方法用于生成用于各種穿著任務的角色控制器，例如穿著T恤和穿著夾克。

    3. 穿衣是一項復雜的任務，所以將其分成多個子任務

    研究人員的方法將穿衣任務分成了一系列的子任務。接下來，狀態(tài)機將引導任何的進行。例如，穿著夾克由四個子任務組成：

    第一個手臂穿過袖筒。

    將第二個手臂移到后面，為第二個袖筒定位。

    第二個手臂穿過第二個袖筒。

    最后，身體恢復至正常狀態(tài)。

    為了學習控制策略，研究人員為每個子任務制定了單獨的強化學習問題。

    Policy Sequencing Algorithm可以確保單獨的控制策略可以引導系統(tǒng)按順序執(zhí)行穿衣序列。算法將一個子任務的初始狀態(tài)與序列中前一個子任務的最終狀態(tài)進行匹配。通過應用所得到的控制策略，系統(tǒng)可以生成各種成功的穿衣動作。

    穿衣任務中的每個子任務都進行了公式化，編程為部分可觀察的馬爾可夫決策過程（Markov Decision Process；POMDP）。借助動態(tài)動畫和機器人工具包（Dynamic Animation and Robotics Toolkit；DART），以及基于NVIDIA PhysX的布料動力學，系統(tǒng)可以模擬角色動力學。

    4. 總結和提升空間

    通過深度強化學習和物理模擬，研究人員成功創(chuàng)建了一個學習如何制作角色穿衣動畫的系統(tǒng)。從子任務中，系統(tǒng)單獨學習每個子任務，然后將它們與狀態(tài)機連接。結果發(fā)現(xiàn)，優(yōu)選布料觀察和回報函數(shù)是方法成功的重要因素。

    系統(tǒng)目前僅適用于上半身穿衣。對于下半身，系統(tǒng)需要在控制器中保持平衡。當使用包含記憶的控制策略架構時，子任務的數(shù)量可能會減少。這將有助于生成所學的技能。

       文章來源：映維網(wǎng) 如轉載請標明出處

    原文鏈接 ： https://yivian.com/news/53033.html