Sep, 2023
C・ASE：为基于物理的角色学习条件对抗技能嵌入
C$\cdot$ASE: Learning Conditional Adversarial Skill Embeddings for Physics-based Characters
Zhiyang Dou, Xuelin Chen, Qingnan Fan, Taku Komura, Wenping Wang
TL;DR我们提出了一个高效且有效的框架 C・ASE，它学习基于物理的角色的条件对抗性技能嵌入。我们的物理模拟角色可以学习多种技能，同时通过直接操作要执行的技能实现可控性。C・ASE 将异质的技能运动划分为包含相同样本的不同子集，用于训练低级条件模型以学习条件行为分布。训练过程中结合了聚焦技能采样、骨骼残余力和逐元素特征掩码，以平衡不同复杂度的多样技能、减轻动力学不匹配以掌握敏捷动作，以及捕捉更一般的行为特征。一旦训练完成，条件模型可以生成高度多样且逼真的技能，超过了现有的最先进模型，并可用于各种下游任务。特别是，明确的技能控制手柄允许高级策略或用户指导具有所需技能规格的角色，我们证明这对于交互式角色动画是有优势的。