PulseAugur
中
实时 08:24:42
English(EN) GPC: Large-Scale Generative Pretraining for Transferable Motor Control

新的GPC框架实现了角色动画中可迁移的运动控制

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了生成式预训练控制器（GPC），这是一个用于创建物理角色动画可重用运动控制策略的新框架。GPC利用GPT风格的自回归Transformer来建模通过有限标量量化（FSQ）学习到的庞大“运动词汇”。这种方法通过下一个词元预测生成控制，在重现运动片段方面取得了99.98%的成功率，并展示了响应和恢复动作等涌现行为。 AI

影响 这项研究通过实现可重用、通用的控制策略，有望在游戏和模拟中创造出更逼真、更具适应性的角色动画。

排序理由 这是一篇详细介绍角色动画运动控制新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的GPC框架实现了角色动画中可迁移的运动控制

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yi Shi, Yifeng Jiang, Chen Tessler, Xue Bin Peng ·

    GPC: Large-Scale Generative Pretraining for Transferable Motor Control

    arXiv:2606.29148v1 Announce Type: cross Abstract: Developing controllers capable of completing a wide range of tasks in a natural and life-like manner is a key challenge in enabling practical applications of physics-based character animation. In this work, we introduce Generative…

相关话题