FAIR 训练 AI 玩拳击，效果堪比真人比赛，试探+周旋+爆头

AI 拳击可以有多好玩？

小红红，吃我一拳。

嘿，我挡。

前期先试探周旋几次，再找机会吧。

没错，就是这个空隙，爆头。

还想故技重施，我躲。

怎么样，AI 拳击动画效果是不是和真人比赛神相似？

基于 AI 深度强化学习的拳击选手身体不仅拥有超高自由度，而且它还掌握了格挡、后退、摆拳等拳击基本动作。

Facebook 人工智能研究部门（FAIR）在机器学习领域，总能带来一些意想不到的成果，上面的演示正是它们在 《Control Strategies for Physically Simulated Characters Performing Two-player Competitive Sports》（模拟人物进行双人竞技运动的控制策略） 一文中的部分演示片段。

论文地址：https://research.fb.com/wp-content/uploads/2021/06/Control-Strategies-for-Physically-Simulated-Characters-Performing-Two-player-Competitive-Sports.pdf

在这篇论文中，研究人员开发了一个学习框架，通过物理模拟角色学习基本技能、学习回合级别的策略、深度强化学习的步骤方法，来模拟人们学习竞技体育的训练路线。

同时，它们还开发了一个编码器-解码器结构的策略模型来让物理模拟角色进行训练学习，该结构包含一个自回归潜在变量和一个专家混合解码器。

为了展示框架的有效性，研究人员通过拳击和击剑两种运动，演示了物理模拟角色在框架学习到的控制策略，这些策略可以生成战术行为，并且让所有动作看起来更自然。

1

论文概述

在双人竞技运动中，运动员经常在比赛中展示出高效的战术动作，如拳击和击剑。 但创建多人动画场景是一项巨大的挑战，因为它不仅要求每个人物模型都以自然的方式行事，而且还要求它们彼此之间的互动在时间和空间领域都是同步的，以显得自然。

相互作用的密度越大，问题就越具有挑战性，因为在相互作用之间没有时间“重置”。 使用物理模拟角色简化了问题的一部分，因为低层次的物理互动（如碰撞）是通过模拟自动生成的。

然而，由于学习包含比赛的一系列技能，人们还没有对不同技能的协调进行深入研究，如刺拳、勾拳、等拳击级别的反击和压力战斗策略。

在竞技运动中使用模拟角色的一个关键挑战是，需要学习基本技能和拳击级别的策略，以便它们能够正确地协同工作。

在这篇论文中，FAIR 探讨了训练控制系统的技术，开发了一个框架，为角色之间的互动生成控制策略。 其中的人形机器人拥有超高自由度，并由关节力矩驱动。

研究人员解释，他们的设计灵感源于现实世界。对于大多数运动来说，人们首先是在没有对手的情况下学习基本技能，然后通过与对手竞争来学习如何结合和完善这些技能。

基于此，FAIR 模仿这两个过程，通过深度强化学习，让物理模拟角色学习基本技能和学习比赛级别的策略。

2

多智能体强化学习

如上文所述， 物理模型角色不仅在前期会训练学习基本技能，后期还会通过竞技的方式来深度学习 ，这里就涉及到了一个 多智能体互相学习 的问题。

FAIR 的框架采用一组运动数据，其中包括双人竞技运动的基本技能作为输入，并生成两个物理模拟选手的控制策略。控制策略允许玩家以正确的动作和时间执行一系列基本技能，从而赢得比赛。

具体来看，研究人员首先会收集了一些动作数据，包括在没有对手的情况下进行这项运动的基本技能。然后采用单智能体深度强化学习的方法对动作进行单一模仿策略的学习。

最后，将模仿策略转化为竞争策略，每个参与者通过带有竞争策略的多智能体深度强化学习来增强自己的策略。

为了有效地将模仿策略转换为竞争策略，FAIR 使用了一个由 任务编码器 （如下图绿色）和 运动解码器 （蓝色）组成的 新策略模型 ，该任务编码器的输出以自回归的方式更新（灰色）。

即使如此，在多智能体环境中采用动作捕捉依然存在不少巨大的难题。当我们需要多个智能体之间密集和丰富的交互时，由于物理交互过程中的遮挡和微妙运动，精确捕捉尤其困难。

基于此，FAIR 设计一种框架，用于捕捉动作数据。 首先用一个智能体进行动作捕获，并通过模拟和学习创建所需的竞争交互。

采用这种方法的动机来自于人们学习竞技运动的方式——新手玩家先模仿高手玩家的示范，学习基本技能，然后在与对手对战的过程中对所学的基本技能进行提炼和学习战术。

3

小结

在这篇论文中，FAIR 通过创建控制模型，使得两个物理模拟角色进行竞技运动。以拳击和击剑为例，尽管这种方法产生了竞争性的匹配，但这个方法仍然具有局限性。

首先，该系统需要相当数量的计算来生成可信的竞争模型。随着环境中涉及的变量增加，可能产生的交互也会以指数方式增加，因此所需的元组数量也以类似的方式增加。

为了使框架应用到更多运动中，如篮球或足球，更多的样本数据是必要的。这种计算复杂性可以通过学习算法（如基于模型的 RL 算法）的突破来解决，或者收集更多的数据来引导智能体之间的交互。

其次，FAIR 开发的框架中有一个假设前提，即运动的个人技能可以由单个智能体掌握，虽然该假设为角色在后期竞技中的学习做了一个铺垫，然而，在一些双人竞技运动中，这种假设并不成立。

例如，在摔跤中，一个玩家首先需要抓住另一个玩家的身体，并不断地利用接触来获得分数，而这其中并不包含特别的技能需要去学习。

最后，FAIR 的模型虽然能够生成相互竞争的两个动画角色，但动作表现的自然程度却取决于输入参考运动的质量。

例如，在拳击比赛中，专业运动员在比赛中表现出非常敏捷的动作，而模拟的运动员却移动得很慢。研究人员认为，造成这种差异的主要原因是实验中使用的输入动作来自一个训练非常有限的拳击手。

虽然 FAIR 的这项研究并非真正成熟，仍有不少局限性，但它发表的该篇论文具体描述了自动生成多个拥有高自由度的动画角色模型，以及让它们深度学习和相互竞技的过程，是一篇十分具有 AI 前沿性质的参考文献。

从长期来看，这个研究方向旨在提供了一种模拟的方式，让人类能够通过控制人工智能进行竞争/互动，在电脑游戏、商业电影和体育赛事中能开辟新的应用形式。

雷锋网 (公众号：雷锋网) 雷锋网雷锋网

雷锋网特约稿件，未经授权禁止转载。详情见。