ModSkill：人体动作技能模块化
计算机视觉与模式识别
2025-02-21 v1 图形学
机器人学
摘要
人类动作高度多样且动态，给以仿生学习算法实现运动控制的仿真角色泛化能力带来了挑战。以往方法通常依赖于用于跟踪参考运动的通用全身控制器(基于跟踪的模型)或统一的全身技能嵌入空间(技能嵌入)。然而，这些方法常难以泛化并扩展到更大运动数据集。本文引入一种新型技能学习框架 ModSkill，将复杂的全身技能解耦为用于独立身体部位的组合模块技能。我们的框架包含一种技能模块化注意力层，用于处理策略观察以生成模块技能嵌入，从而指导每个身体部位的低层控制器。我们还提出了一种基于生成式自适应抽样的主动技能学习方法，使用大规模运动生成模型在具有挑战性的跟踪场景中自适应地增强策略学习。我们的结果表明，受生成式抽样增强的模块化技能学习框架在精确的全身运动跟踪方面优于现有方法，并可为多样化的以目标为导向的任务实现可重用技能嵌入。
引用
@article{arxiv.2502.14140,
title = {ModSkill: Physical Character Skill Modularization},
author = {Yiming Huang and Zhiyang Dou and Lingjie Liu},
journal= {arXiv preprint arXiv:2502.14140},
year = {2025}
}