新颖的机器学习技术用于模拟日常穿着任务

穿衣服是我们大多数人很少或根本没有想过的例行任务。我们可能永远也不会考虑早上穿衣所涉及的多个步骤和身体动作。但这正是我们在试图为电脑动画捕捉穿着和模拟布料的动作时需要探索的。

佐治亚理工学院的一名计算机科学家和谷歌人工智能研究部门Google Brain设计了一种新颖的计算方法，这种方法由机器学习技术驱动，可以成功而逼真地模拟穿衣的多步过程。在解剖学中，着装的任务非常复杂，涉及角色和他或她的衣服之间的几种不同的物理交互，主要由人类的触摸来引导。

由于角色和模拟服装之间的复杂交互，创建角色穿衣服的动画具有挑战性。研究人员指出，大多数高度受限的角色动画作品都涉及静态环境，对角色的运动没有太多反应。相比之下，衣服可以对身体位置的微小变化立即做出激烈的反应；衣服有折叠、粘住、紧贴身体的趋势，使其有触觉或触感，这对任务至关重要。

关于穿着的另一个独特挑战是，它要求角色执行一个涉及多个子任务的长运动序列，例如抓住衬衫的前层，将手塞进衬衫开口，并将手穿过袖子。

“对我们许多人来说，穿衣似乎很容易，因为我们每天都在练习。事实上，面料的动态变化使得从头开始学习如何穿着非常具有挑战性，”研究和计算机科学博士学位的第一作者亚历山大克莱格说。佐治亚理工学院的学生。“我们使用模拟来教会神经网络完成这些复杂的任务，将任务分解为目标明确的小部分，允许角色尝试数千个任务，并在他们试图受益时提供奖励或惩罚信号。其政策的不利变化。”

然后，研究人员的方法一步步更新神经网络，使发现的积极变化更有可能在未来发生。克莱格指出：“通过这种方式，我们教会角色如何成功完成任务。”。

克莱格与佐治亚理工学院的合作者包括计算机科学家于文豪、格雷格特克和卡伦刘。该小组与谷歌大脑研究员谭洁将于12月4日至12月7日在东京举行的2018年SIGGRAPH Asia上展出他们的作品。年会展示了计算机图形和交互技术领域最受尊敬的技术和创意成员，以及科学、艺术、游戏和动画领域的前沿研究。

在这项研究中，研究人员在几项穿衣任务中展示了他们的方法：穿上t恤、夹克和机器人辅助袖子。通过训练有素的神经网络，他们可以以动画角色穿上衣服的各种方式实现复杂的重演。关键是将触摸集成到它的框架中，以克服布料模拟中的挑战。研究人员发现，在训练有素的网络中，仔细选择布料观察和奖励功能对该框架的成功至关重要。因此，这种新颖的方法不仅可以实现单一的着装序列，还可以实现在各种条件下都能成功穿戴的角色控制器。

“我们为使用强化学习在复杂环境中进行多步互动任务的新方法打开了大门，”克莱格说。“沿着这条路继续走下去，还有很多工作要做，让模拟为虚拟世界中的任务训练提供经验和实践。”在扩展这项工作的同时，该团队目前正在与佐治亚理工学院医疗机器人实验室的其他研究人员合作，研究机器人在穿衣辅助方面的应用。

然后，研究人员的方法一步步更新神经网络，使发现的积极变化更有可能在未来发生。克莱格指出：“通过这种方式，我们教会角色如何成功完成任务。”。

克莱格与佐治亚理工学院的合作者包括计算机科学家于文豪、格雷格特克和卡伦刘。该小组与谷歌大脑研究员谭洁将于12月4日至12月7日在东京举行的2018年SIGGRAPH Asia上展出他们的作品。年会展示了计算机图形和交互技术领域最受尊敬的技术和创意成员，以及科学、艺术、游戏和动画领域的前沿研究。

在这项研究中，研究人员在几项穿衣任务中展示了他们的方法：穿上t恤、夹克和机器人辅助袖子。通过训练有素的神经网络，他们可以以动画角色穿上衣服的各种方式实现复杂的重演。关键是将触摸集成到它的框架中，以克服布料模拟中的挑战。研究人员发现，在训练有素的网络中，仔细选择布料观察和奖励功能对该框架的成功至关重要。因此，这种新颖的方法不仅可以实现单一的着装序列，还可以实现在各种条件下都能成功穿戴的角色控制器。

“我们为使用强化学习在复杂环境中进行多步互动任务的新方法打开了大门，”克莱格说。“沿着这条路继续走下去，还有很多工作要做，让模拟为虚拟世界中的任务训练提供经验和实践。”在扩展这项工作的同时，该团队目前正在与佐治亚理工学院医疗机器人实验室的其他研究人员合作，研究机器人在穿衣辅助方面的应用。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！