学习坐下：通过分层控制合成人与椅子的交互动作
计算机视觉与模式识别
2020-12-17 v2
摘要
近期基于物理的角色动画在通过深度强化学习模仿动作捕捉数据方面取得了令人瞩目的突破。然而，相关结果大多展示于模仿单一明确运动模式，且由于人-物空间配置的变化，无法推广到需要灵活运动模式的交互任务。为弥补这一差距，我们聚焦于一类交互任务——坐到椅子上。我们提出了一种分层强化学习框架，该框架依赖于一组经过训练以模仿简单、可复用动作捕捉片段的子任务控制器，以及一个经过训练以正确执行子任务来完成主要任务的元控制器。我们通过实验证明了我们的方法相对于不同的非分层与分层基线的优势。我们还展示了我们的方法可应用于给定图像输入的 motion prediction（运动预测）。补充视频见 https://youtu.be/3CeN0OGz2cA。
引用
@article{arxiv.1908.07423,
title = {Learning to Sit: Synthesizing Human-Chair Interactions via Hierarchical Control},
author = {Yu-Wei Chao and Jimei Yang and Weifeng Chen and Jia Deng},
journal= {arXiv preprint arXiv:1908.07423},
year = {2020}
}
备注
Accepted to AAAI 2021