Durante la conferencia SIGGRAPH 2023, investigadores de NVIDIA y el Instituto Max-Planck dieron a conocer un innovador enfoque para sintetizar las interacciones físicas entre personaje y escena en entornos tridimensionales.
El marco conceptual desarrollado combina el aprendizaje de imitación adversarial y el aprendizaje de refuerzo para entrenar a personajes simulados en tareas de interacción de escena, logrando resultados naturales y realistas.
La metodología se basa en la extracción de patrones de interacción de escena a partir de vastos conjuntos de datos de movimiento no estructurado, evitando la necesidad de anotaciones manuales.
La efectividad del enfoque radica en la utilización de un discriminador adversarial que evalúa la autenticidad de un movimiento en el contexto de una escena.
Este discriminador de personaje escena funciona similar a una IA
Un aspecto clave es la condición conjunta del discriminador y las redes políticas en el contexto específico de la escena.
El estudio demuestra la eficacia del método en tres desafiantes tareas de interacción de escena: cargar objetos, sentarse y acostarse, que demandan una precisa coordinación de movimientos con los elementos del entorno.
Las políticas desarrolladas aprenden a transitar suavemente entre diversos comportamientos, como desplazarse lentamente, caminar y sentarse.
More Stories
IA Copilot de Microsoft llega a nuevos portátiles Intel y AMD
¿Se están reduciendo las emisiones de carbono de Meta?
Unigine: Motor 3D en tiempo real para simulaciones