Meta用深度学习为Avatar再现复杂多角色交互
佐治亚理工学院，苹果，Meta，卡内基梅隆大学和首尔大学
（映维网Nweon 2023年07月10日）人与人之间的身体交互是日常生活中的重要元素，例如通过握手打招呼，以及一起跳萨尔萨舞。显然，如果能够以可信方式在虚拟角色之间重现这种交互，这将会在游戏、电影或AR/VR等应用中提供一种高度沉浸式体验。
在名为《Simulation and Retargeting of Complex Multi-Character Interactions》的论文中，由佐治亚理工学院，苹果，Meta，卡内基梅隆大学和首尔大学组成的团队就着手进行了研究，并提出了一种使用深度强化学习为物理模拟的人形角色再现复杂多角色交互的方法。
所述方法学习不仅模仿个人动作，而且模仿角色之间的交互，同时保持平衡并匹配参考数据的复杂性的控制策略。他们使用了一种新的基于interaction graph的奖励公式，而它可以测量interaction landmark对之间的距离。这种奖励鼓励控制策略有效地模仿角色的动作，同时保留参考动作中交互的空间关系。团队在各种活动中评估了所提出的方法，包括击掌问候，跳萨尔萨舞和搬箱子等。实验表明，它能够产生物理上合理的交互。
在论文中，研究人员对将复杂的多角色交互从参考运动转移到物理模拟角色感兴趣。这种角色需要在空间和时间领域内仔细协调。对于业界，对物理模拟角色之间交互的研究远远少于对单个角色的研究，部分原因是为多个角色之间的交互学习控制器非常具有挑战性。
......（全文 3151 字，剩余 2656 字）
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限
