HoloBoxing: 7分钟单GPU训练的人形拳击学习

HoloBoxing提出了一种通过预训练全身控制器学习人形拳击的简单方法。该方法将可重用的运动技能与任务决策分离，通过紧凑的规划器请求未来的身体点目标，同时冻结控制器处理关节级别的执行。学习到的解码器将32维动作映射到结构化目标窗口，并通过测量状态模仿在强化学习之前初始化规划器。任务学习随后细化交互行为，同时重用解码器和控制器，避免重新学习全身控制。这种组合使任务优化集中在紧凑的上层策略上，并在奖励驱动探索之前提供初始行为。从可用的控制器开始，该方案考虑了大约七分钟的额外训练时间，包括重用的表示拟合和单GPU任务运行。这不包括控制器预训练、数据准备、评估和搜索。模拟拳击实验和组件控制评估了结果行为以及模仿初始化和目标表示的作用。