PhysicsFC: Learning User-Controlled Skills for a Physics-Based Football Player Controller

要約

物理的にシミュレートされたフットボール選手のキャラクターを制御して、さまざまなサッカースキルを実行する方法であるPhysicsFCを提案します。これは、これらのスキルをシームレスに移行しながら、ドリブル、トラップ、移動、キックベースのユーザー入力などです。
サッカースキルごとに潜在変数を生成するスキル固有のポリシーは、サッカーの動きを再現するための基礎として機能する既存の物理ベースのモーションエンミングモデルを使用して訓練されています。
主な機能には、ドリブルポリシーの調整された報酬設計、トラップポリシーの発射体ダイナミクスベースの初期化と組み合わせた2フェーズ報酬構造、および移動ポリシーのデータ包埋された目標条件付き潜在ガイダンス（DEGCL）メソッドが含まれます。
訓練されたスキルポリシーを使用して、提案されたフットボールプレーヤーの有限ステートマシン（PhysicsFC FSM）により、ユーザーはキャラクターをインタラクティブに制御できます。
FSMで定義されているスキルポリシー間のスムーズでアジャイルな移行を確保するために、各スキルポリシーのトレーニング中に適用されるスキルトランジションベースの初期化（STI）を導入します。
競争の激しいトラップとドリブル、ギブアンドゴープレイ、および複数の物理FCエージェントが自然で制御可能な物理ベースのフットボールプレーヤーの行動を生み出す11V11フットボールゲームを含む、物理FCの有効性を紹介するいくつかのインタラクティブなシナリオを開発します。
定量的評価は、提示されたメトリックと実験設計を使用して、個々のスキルポリシーのパフォーマンスとそれらの間の遷移をさらに検証します。

要約(オリジナル)

We propose PhysicsFC, a method for controlling physically simulated football player characters to perform a variety of football skills–such as dribbling, trapping, moving, and kicking–based on user input, while seamlessly transitioning between these skills. Our skill-specific policies, which generate latent variables for each football skill, are trained using an existing physics-based motion embedding model that serves as a foundation for reproducing football motions. Key features include a tailored reward design for the Dribble policy, a two-phase reward structure combined with projectile dynamics-based initialization for the Trap policy, and a Data-Embedded Goal-Conditioned Latent Guidance (DEGCL) method for the Move policy. Using the trained skill policies, the proposed football player finite state machine (PhysicsFC FSM) allows users to interactively control the character. To ensure smooth and agile transitions between skill policies, as defined in the FSM, we introduce the Skill Transition-Based Initialization (STI), which is applied during the training of each skill policy. We develop several interactive scenarios to showcase PhysicsFC’s effectiveness, including competitive trapping and dribbling, give-and-go plays, and 11v11 football games, where multiple PhysicsFC agents produce natural and controllable physics-based football player behaviors. Quantitative evaluations further validate the performance of individual skill policies and the transitions between them, using the presented metrics and experimental designs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google