gbionics/amp-rsl-rl

解決的問題

AMP-RSL-RL 允許人形代理從動作捕捉資料中學習複雜的運動技能。它透過使用對抗性模仿學習，使代理的動作看起來像專家資料，從而解決為複雜動作手動設計獎勵函數的問題。

工作原理

該庫在 RSL-RL 的近端策略優化（PPO）實作基礎上，整合了對抗性運動先驗（AMP）。它使用判別器網路來區分代理的動作與真實動作捕捉資料，迫使代理在達成目標的同時模仿專家風格。它還包含對稱性感知的資料增強和鏡像損失鈎子，以確保學習到的策略在對稱機器人部件之間保持一致。

適用對象

專為從事人形運動控制與強化學習的機器人研究人員與開發者設計。

主要亮點

• 運動技能取得的對抗性模仿學習。
• 基於 RSL-RL PPO 實作建構。
• 支援對稱性感知的資料增強與鏡像損失正則化。
• 兼容 .npy 格式的動作捕捉資料集。