DiffMimic： 高效的差分物理学运动模拟

​

标题：DiffMimic: Efficient Motion Mimicking with Differentiable Physics

作者：Jiawei Ren, Cunjun Yu, Siwei Chen, Xiao Ma, Liang Pan, Ziwei Liu

[S-Lab, Nanyang Technological University&School of Computing, National University of Singapore&SEA AI Lab]

简介：

运动模仿是基于物理学的角色动画的基础任务。然而，大多数现有的动作模仿方法都是建立在强化学习（RL）的基础上的，并且存在着严重的奖励工程、高变异性和艰难探索的缓慢收敛等问题。具体来说，它们通常需要几十个小时甚至几天的训练来模仿一个简单的运动序列，导致可扩展性差。

在这项工作中，我们利用可微分物理模拟器（DPS），提出了一种高效的运动模仿方法，称为DiffMimic。我们的关键见解是，DPS将复杂的策略学习任务投射到一个更简单的状态匹配问题上。特别是，DPS通过分析梯度和真实的物理先验来学习稳定的策略，从而导致比基于RL的方法更快和更稳定的收敛。此外，为了摆脱局部优化，我们利用演示重放机制来实现长范围内的稳定梯度反向传播。在标准基准上进行的大量实验表明，DiffMimic比现有的方法（如DeepMimic）具有更好的采样效率和时间效率。

值得注意的是，DiffMimic允许一个物理模拟的角色在训练10分钟后学习Backflip，并在训练3小时后能够循环使用，而现有的方法可能需要大约一天的训练才能循环使用Backflip。更重要的是，我们希望DiffMimic能够在未来的研究中让更多的可分化动画系统受益，比如可分化衣服模拟技术。

https://arxiv.org/pdf/2304.03274.pdf

​Read More