gbionics/amp-rsl-rl

해결하는 문제

AMP-RSL-RL은 인간형 에이전트가 모션 캡처 데이터에서 복잡한 운동 기술을 학습할 수 있도록 합니다. 복잡한 움직임을 위한 보상 함수를 수동으로 설계하는 문제를 해결하기 위해, 전문가 데이터와 유사한 움직임을 하도록 하는 적대적 모방 학습을 사용합니다.

작동 방식

이 라이브러리는 RSL-RL의 Proximal Policy Optimization (PPO) 구현을 확장하여 Adversarial Motion Priors (AMP)를 통합합니다. 디스커리미네이터 네트워크를 사용하여 에이전트의 움직임과 실제 모션 캡처 데이터를 구분하게 하여, 에이전트가 목표를 달성하면서도 전문가의 스타일을 모방하도록 강제합니다. 또한 대칭을 고려한 데이터 증강과 미러 손실 훅을 포함하여, 대칭적인 로봇 부품 간에 학습된 정책이 일관되게 유지되도록 합니다.

대상 사용자

인간형 모터 제어 및 강화 학습에 종사하는 로봇 연구자 및 개발자에게 적합합니다.

주요 특징

• 운동 기술 습득을 위한 적대적 모방 학습.
• RSL-RL PPO 구현 위에 구축.
• 대칭을 고려한 데이터 증강 및 미러 손실 정규화 지원.
• .npy 형식의 모션 캡처 데이터셋과 호환.