让虚拟人动作更逼真，腾讯研究获国际顶会最佳论文提名

感谢阅读腾讯 AI Lab 微信号第 176 篇文章。本文分享腾讯 Robotics X 实验室获 SIGGRAPH Asia 2023 最佳论文提名的最新研究成果：Neural Categorical Priors for Physics-Based Character Control.

国际性计算机图形和交互技术的顶级会议 SIGGRAPH Asia 公布了 2023 年的最佳论文名单，腾讯 Robotics X 机器人实验室一项关于如何让虚拟人动作更逼真的研究入选最佳论文提名，展示了在计算机图形学和交互技术上的领先研究实力。

SIGGRAPH Asia 是国际性计算机图形和交互技术的顶级会议，由 ACM（美国计算机学会）主办。SIGGRAPH Asia 致力于展示计算机图形学和交互技术领域的最新研究成果、技术创新以及行业动态。2023 年 SIGGRAPH Asia 会议技术文章共收到投稿 665 篇，录取 224 篇，其中选取 5 篇为最佳论文（best paper）, 4 篇最佳论文提名（best paper honorable mention）。

来自腾讯 Robotics X 机器人实验室的研究名为《Neural Categorical Priors for Physics-Based Character Control》，这篇文章在基于物理的角色控制领域提出了一个新的学习框架以及多个解决方案。

首先，创新性的引入强化学习和 VQ-VAE，采用强化学习来跟踪和模仿动作片段中的生动动作，这种方法使用了 VQ-VAE 中的 discrete bottleneck 概念，将动作片段中的相关信息压缩成一个紧凑且富有信息的潜在空间，能够生成高质量、逼真的行为。

其次，论文所提出的学习框架在基于物理的角色控制中显著提高了动作质量和多样性，通过从潜在空间中的训练类别先验分布中采样代码，该方法可以复制一系列自然行为。这种改进在专业人类拳击策略和动作方面尤为显著 。

此外，还提出 Prior Shifting 技术。为了解决可能由于遵循原始动作片段分布而产生的行为不平衡问题，论文提出了 Prior Shifting 的技术，这种技术使用好奇心驱动的强化学习来调整先验分布，确保行为多样性充足，并有助于下游任务的上层策略学习 。

测试表明，该框架在如剑盾击打和双人拳击游戏等复杂任务上控制角色执行高质量的动作，这些动作具有多样化的策略和逼真性 。

基于物理的角色控制（Physics-Based Character Control）通过模拟真实世界的物理规律来控制虚拟角色的动作，在现实世界中，这一技术有着广阔的应用场景，比如，在游戏和娱乐产业，基于物理的角色控制可以提升游戏内角色的真实感和动作自然性，提供更加沉浸式的游戏体验。在虚拟现实（VR）和增强现实（AR）中，这种技术可用于创建更加逼真的互动体验；在在动画和电影产业中，这项技术可以用于自动生成逼真的人物动画，减少手工调整的需要，提高生产效率；在机器人学：机器人可以利用基于物理的角色控制技术来学习和模仿人类的运动模式，这对于开发更加自然和高效的机器人行为尤其有价值。

此外，在虚拟试衣和时尚设计、体育分析和训练、医疗康复、人机交互研究以及安全模拟和培训 ，基于物理的角色控制技术也展示了广泛的应用潜力和重要性。随着技术的不断发展，未来可能会出现更多创新的应用场景。

参考链接：

[1] https://tencent-roboticsx.github.io/NCP/

[2] Qingxu Zhu, He Zhang, Mengting Lan, and Lei Han. 2023. Neural Categorical Priors for Physics-Based Character Control. ACM Trans. Graph. 42, 6, Article 178 (December 2023), 16 pages.

https://doi.org/10.1145/3618397

* 欢迎转载，请注明来自腾讯 AI Lab 微信（tencent_ailab）