MAAIP：用于基于物理角色打斗演示模仿的多智能体对抗交互先验
计算机视觉与模式识别
2023-11-07 v1 人工智能
图形学
机器学习
机器人学
摘要
为基于物理的角色模拟真实的交互与运动，对交互式应用以及电影和视频游戏行业中的自动次级角色动画具有重要意义。近期强化学习的工作在单角色模拟方面取得了令人印象深刻的成果，尤其是那些使用基于模仿学习技术的成果。然而，模仿多角色的交互与运动还需对其交互进行建模。本文提出一种新颖的基于多智能体生成对抗模仿学习的方法，将单角色运动模仿的思想推广到处理多个基于物理角色的交互与运动。给定两个非结构化数据集作为输入：1）包含与特定应用相关的一组运动单演员数据集，以及 2）包含多演员之间少量交互示例的交互数据集。基于这些数据集，我们的系统训练控制策略，使每个角色在保持内在风格的同时模仿与各演员相关的交互技能。该方法已在两种不同打斗风格（拳击与全身武术）上测试，以证明该方法模仿不同风格的能力。
引用
@article{arxiv.2311.02502,
title = {MAAIP: Multi-Agent Adversarial Interaction Priors for imitation from fighting demonstrations for physics-based characters},
author = {Mohamed Younes and Ewa Kijak and Richard Kulpa and Simon Malinowski and Franck Multon},
journal= {arXiv preprint arXiv:2311.02502},
year = {2023}
}
备注
SCA'23, Supplementary video: https://youtu.be/wQfIiw_rQ3w