基于演示学习的地面机器人 dolly-in 镜头

电影摄像机控制需要精确与艺术性的平衡——这些品质通过手工设计的奖励函数难以编码。虽然强化学习 (RL) 已用于机器人摄影，但其对专属奖励函数和大量调参的依赖限制了创作可用性。我们提出一种基于演示学习 (LfD) 的方法，采用生成对抗性仿真学习 (GAIL) 自动化控制地面漫游摄像机器人进行 dolly-in 镜头。通过操纥杆进行仿真中的专家轨迹收集，捕捉平滑、富有表达力的运动，无需显式目标设计。仅凭这些演示训练，我们的 GAIL 策略在仿真中超过 PPO 基线，实现更高奖励、更快收敛和更低方差。关键的是，它能直接迁移到实际机器人上，实现更一致的构图和主体对齐，优于先前的 TD3 方法。这表明 LfD 为电影领域的 RL 提供了稳健、无奖励的替代方案，实现实时部署，技术难度极低。我们的管道使具象化的摄像机控制技术可及创意专业人士，弥合了艺术意图与机器人自主性之间的鸿沟。