DeepMotionとカーネギーメロン大学、キャラクタのバスケットボール技能向上のためにドリブルを学ばせる深層強化学習を用いた手法を発表

DeepMotionとカーネギーメロン大学の研究者らは、バスケットボールをするコンピュータアニメーションキャラクタをより現実的に表現する深層強化学習を用いた物理ベースの手法を発表しました。

論文:Learning Basketball Dribbling Skills Using Trajectory Optimization and Deep Reinforcement Learning
著者:Libin Liu,Jessica Hodgins

本論文は、バスケットボール技能をモーションキャプチャデータから効率的に学習するためのフレームワークを提案します。

キャラクタは、バスケットボールをプレイする人の動きのモーションキャプチャデータを用いて、ドリブルスキルを学習します。足の間をドリブルすること、背中の周囲にボールを回すこと、などを学習し、そしてスキルから別のスキルへの移行方法も学びます。

システムは、最初に歩行制御を学習し、次いで腕の制御を学習、組み合わせて様々なドリブル制御を達成します。

学習プロセスには数百万回の試行を必要としますが、これらのことで、正確なボールの動きと、それに合った腕などの動きを生成することができ、より現実的な動きをマスターすることを可能にします。デモ映像では、後のサイクルになるにつれてぎこちない動きが滑らかな動きになっている様子を確認することができます。

 

used with permission from DeepMotion Inc. and Carnegie Mellon University

ABOUT

 本サイト(Seamless/シームレス)は、2014年に始めた先端テクノロジーの研究を論文ベースで記事にしているWebメディアです。山下が個人で運営し、執筆を行っています。現在は主に寄稿(ITmedia NEWS)と、Seamless Journalに専念しています。

連絡先:yamashita(at)seamless.jp
Subscribe:TwitterFacebookHatenaNewsPicks

ゲスト連載:プロジェクションマッピング技術の変遷 岩井大輔

 Seamless Journalとは、月額10ドルの課金で厳選した最新論文がほぼ毎日メールボックスに届くというものです。記事にならない気になる論文をお届けします。決済はPatreonを介して、クレジットカードおよびPayPalで行え、解約も同サービスからいつでも可能です。お申し込みはこちらから

ページ上部へ戻る