PHC

Perpetual Humanoid Control进阶

在物理仿真里跟踪海量人体动作、摔倒后能自己爬起的人形控制器

卡内基梅隆大学与 Meta Reality Labs 的罗正宜（Zhengyi Luo）等人在 ICCV 2023 提出的基于物理的人形动作模仿控制器，在 Isaac Gym 中用强化学习训练。它要让仿真人形实时跟踪来自视频姿态估计或文本生成的、带噪声的参考动作，而且不借助外加的稳定力。核心是渐进式乘法控制策略（PMCP）：遇到学不会的难动作就新增子网络来分担，从而学下 AMASS 动捕库约一万段动作，又不发生灾难性遗忘；论文报告训练集成功率 98.9%、测试集 96.4%。它还学会了摔倒后自然起身、接着跟踪。开源代码后来加入了宇树 H1、G1 等人形模型，后续的 PHC+、PULSE 等工作都建立在它之上。