这是我近期读过最有趣的论文之一，你会爱上它的。试想一下，如果你完美掌握了所有运动动作，却不知道该在何时使用哪一个？如果桌子移开了，完美的跳跃也是毫无用处的。这就是教虚拟人类跑酷的奇怪难题。模仿我们的系统虽然优美，却脆弱且重复；追求目标的系统虽然能适应，但往往不再像我们那样行动。但这种新方法告诉我们：“够了，我们要两者兼得。”它承诺能精准记住人类的动作，同时又能根据需要打破常规。
更疯狂的是训练数据，他们声称只需30秒的网络跑酷视频就能完成这项任务。各位学者，这听起来不可能。你看，之前的技术无法胜任。这个家伙动得像醉汉。别担心，再试一次。[笑声] 对，休息一下吧。下一个。现在这个看起来有点希望。等等，那是作弊。你应该通过关卡，而不是避开它，先生。那是作弊，出去。第三种旧技术。哦，现在有点意思了。看那。哦，这研究领域太疯狂了。
这太有趣了。那么，既然之前的技术不行，这种新技术能解决吗？让我们看看它能否通过关卡。我不这么认为。各位学者，这里是《两分钟论文》，由凯兰博士和我主持。现在，各位学者请抱紧你们的论文，让我们看看。起步很强，很有运动感。嗯。[清嗓子] 哦，看那。像忍者一样解决关卡。它真的在适应并组合新技能以通过关卡。
好的，我们是有经验的学者。所以我们问，这是它唯一能完成的关卡吗？还是说这才是真正的实力？它能解决更长的关卡吗？让我们看看。天哪，我们有个好开头。还在继续。是的，太不可思议了。干得好。哎哟。好吧。早日康复，小人工智能。现在，在去了一趟人工智能医院后，让我们同时尝试各种关卡。哦，这太棒了。我爱死它了。
现在，让我们增加难度。一个具有未见障碍物排列的关卡。天哪，它仍然表现惊人。最后的跳跃。那真是壮观。而且情况会更好，因为我要展示我最喜欢的动作，它可以说是最好的。好吧。那么，他们究竟是如何做到的呢？好吧，他们把一个人物放进了两个教室。在第一个教室里，它学习模仿人类运动。这产生了优美的人类般动作，但受限于训练数据。它无法超越所见之物。
还记得吗，那只有19个片段，包含30秒的跑酷。数据非常少。在第二个教室里，它学习解决新的障碍赛道。从这一点开始，同一个AI控制器同时在两个教室中学习。别忘了，两个教室都给它提供身体、障碍物和目的地信息。这超级重要。现在 comes 最美丽的部分。嗯，公式相当复杂，但我们会分解它。我会尽力。
我想象最好的方式是，现在我们训练一个裁判来最小化三种误差。这里有真实的人类运动及其周围的障碍物。裁判应该判定这些为“真实”。然后这里是由AI产生的动作。裁判应该判定这些为“虚假”。现在，我们用这个裁判来训练我们的AI运动员。如果它像笨拙的AI一样移动，它得分很低。出去。但随着它的动作变得更像人类且适合障碍物，它会得到奖励，即高分。裁判和运动员共同进步。
运动员变得更擅长欺骗裁判，而裁判变得更擅长发现人工动作。这绝对太美了。最后，这一项保持裁判的稳定。因此，动作的微小变化不会完全改变其决定。这就是导致这些惊人结果的原因。但它并不完美。它比前代具有更低的跟踪误差，但以成功率为代价。我认为这种权衡是弱点之一。所以我会将其归结为局限性。更长的关卡成功率仍只有约40%。另一个局限性是，也可能出现不自然的恢复动作。
现在，如承诺的那样，这是我序列中最喜欢的动作。哇！哇！这太不可思议了。生逢此时，何其有幸。但这里最重要的是，研究论文是免费提供的。免费的知识供我们所有人使用，代码可能稍后也会公开。所以所有这些知识都免费供我们所有人使用，却无人谈论。这让我抓狂。这就是我不断制作这些视频的原因。这就是我生活的意义。
每篇研究论文都是给人类的礼物，我要确保人类收到这份礼物。我使用Lambda在几分钟内重现AI研究论文。它也非常适合训练你自己的模型或微调现有模型。运行推理或文本转图像或视频，易如反掌。运行深度求索聊天机器人或代理，超级快，超级可靠。Lambda为你提供强大的英伟达GPU来运行你自己的实验。我测试我涵盖的论文中的想法，片刻之后，结果就出来了。爱死它了。
真的，现在就在 lambda.ai/papers 试试。