GAMES Webinar 2018-52期（Siggraph 2018论文）| 虞文豪（佐治亚理工学院），夏熙（中国科学技术大学）

【GAMES Webinar 2018-52期（Siggraph 2018论文）】
报告嘉宾1：虞文豪，佐治亚理工学院
报告时间：2018年6月28日（星期四）晚20:00 – 20:45（北京时间）
主持人：张译中，微软亚洲研究院（个人主页：https://yizhongzhang1989.github.io/）
报告题目：Learning Symmetric and Low-energy Locomotion
报告摘要：
Learning locomotion skills is a challenging problem. To generate realistic and smooth locomotion, existing methods use motion capture, finite state machines or morphology-specific knowledge to guide the motion generation algorithms. Deep reinforcement learning (DRL) is a promising approach for the automatic creation of locomotion control. Although several different DRL algorithms can successfully create a running controller, the resulting motions usually look nothing like a real runner. This paper takes a minimalist learning approach to the locomotion problem, without the use of motion examples or finite state machines. We introduce two modifications to the DRL approach that, when used together, produce locomotion behaviors that are symmetric, low-energy, and much closer to that of a real person. First, we introduce a new term to the loss function that encourages symmetric actions. Second, we introduce a new curriculum learning method that provides modulated physical assistance to help the character with left/right balance and forward movement. The algorithm automatically computes appropriate assistance to the character and gradually relaxes this assistance, so that eventually the character learns to move entirely without help. Because our method does not make use of motion capture data, it can be applied to a variety of character morphologies. We demonstrate locomotion controllers for the lower half of a biped, a full humanoid, a quadruped, and a hexapod. Our results show that learned policies are able to produce symmetric, low-energy gaits. In addition, speed-appropriate gait patterns emerge without any guidance from motion examples or contact planning.
讲者简介：
虞文豪，本科毕业于上海交通大学软件学院，硕士毕业于佐治亚理工学院。目前是佐治亚理工学院计算机系第四年博士生，师从Greg Turk教授以及C. Karen Liu 教授。主要研究方向是基于强化学习的虚拟角色控制。
讲者个人主页：https://wenhaoyu.weebly.com/

报告嘉宾2：夏熙，中国科学技术大学
报告时间：2018年6月28日（星期四）晚20:45 – 21:30（北京时间）
主持人：张译中，微软亚洲研究院（个人主页：https://yizhongzhang1989.github.io/）
报告题目：物体感知引导的室内场景自动扫描与重建
报告摘要：
为了实现对未知室内场景的自主三维扫描和在线重建，人们需要在对整个场景的全局探索和对场景内物体的局部扫描间寻求平衡。在本工作中，我们提出了一个新方法，该方法为自动扫描提供了基于物体感知的引导，从而使得对未知场景的探索、重建和理解能在一次扫描规划中完成。我们的方法交替进行物体分析和基于物体感知的信息增益分析，前者是为了确定全局探索的下一个最佳物体，后者是为了规划局部扫描的下一个最佳视点。我们的算法首先引入一个基于物体的分割方法，通过多类图割最小化来从当前重建的场景曲面上提取具有语义的物体。之后，一个感兴趣的物体被确定为下一个最优物体，机器人将以此为目标进行观察和扫描。机器人接下来通过下一个最佳视点策略，来对感兴趣的物体进行精细扫描。当该感兴趣物体被识别为一个完整物体时，它便能被三维模型数据库中最相似的模型替换。我们的算法一直迭代直到场景中所有的物体均被识别和重建出来。各种实验和对比充分地展现了我们所提出的方法的可行性。
讲者简介：
夏熙，中国科学技术大学数学科学学院硕士研究生。2011年进入中国科学技术大学数学院学习，于2015年获得学士学位，并与2015年开始攻读硕士学位，指导导师刘利刚教授。研究兴趣围绕三维重建，机器人自动扫描、重建和场景分析。

GAMES主页的“使用教程”中有 “如何观看GAMES Webinar直播？”及“如何加入GAMES微信群？”的信息；
GAMES主页的“资源分享”有往届的直播讲座的视频及PPT等。

观看直播的链接：http://webinar.games-cn.org/