I-CTRL: मानवाकृत रोबोटों को सीमित सुदृढीकरण शिक्षण के माध्यम से अनुकरण से नियंत्रण में लाना

यह पेपर रोबोट गति को परिष्कृत करने की महत्वपूर्ण आवश्यकता को संबोधित करता है जो, मानव-से-मानवाकृत पुनः-लक्ष्यीकरण विधियों के माध्यम से उच्च दृश्य समानता प्राप्त करने के बावजूद, भौतिक क्षेत्र में व्यावहारिक कार्यान्वयन में कमी महसूस करते हैं। ग्राफिक्स समुदाय में मौजूदा तकनीकें अक्सर दृश्य विश्वसनीयता को भौतिकता आधारित संभाव्यता पर प्राथमिकता देती हैं, जो व्यावहारिक अनुप्रयोगों में द्विपाद प्रणालियों को तैनात करने के लिए एक महत्वपूर्ण चुनौती पेश करती हैं। हमारा शोध एक सीमित सुदृढीकरण शिक्षण एल्गोरिदम प्रस्तुत करता है जो भौतिकता आधारित उच्च गुणवत्ता की गति अनुकरण पैदा करता है जो पैरों वाले मानवाकृत रोबोटों पर गति की समानता को बढ़ाता है जबकि सफलतापूर्वक संदर्भ मानव पथ का पालन करता है। हम अपने ढांचे का नाम देते हैं: I-CTRL। गति अनुकरण की समस्या को गैर-भौतिकता आधारित पुनः-लक्ष्यीकृत गति पर सीमित परिष्करण के रूप में पुनःफार्मूलेट करके, हमारा ढांचा गति अनुकरण में उत्कृष्टता प्राप्त करता है जिसमें सरल और अनोखे पुरस्कार होते हैं जो चार रोबोटों के बीच सामान्यीकृत होते हैं। इसके अलावा, हमारा ढांचा एक अद्वितीय RL एजेंट के साथ बड़े पैमाने पर गति डेटा सेट का पालन कर सकता है। प्रस्तावित विधि द्विपाद रोबोटों के नियंत्रण में एक महत्वपूर्ण कदम दर्शाती है, जो सफल गति अनुकरण के लिए दृश्य और भौतिक यथार्थवाद को संरेखित करने के महत्व पर जोर देती है।