ラボノート
ブログは物語を伝え、ここにあるのはその下のノートです。作業ログはそれぞれ一区切りの学習をランごとに記録しています。なぜ始めたのか、何を変えたのか、動画で何が見えたのか、いくらかかったのか。記事になったものも、まだなっていないものも、行き止まりだったものもあります。私が支払ったものはすべて、このどれかに入っています。
作業ログ28件 · 学習ラン260回 · 約457マシン時間 ·合計 $401
基礎
- 筋肉、ステージ2：本物の脚の筋肉
MyoSuite の脚の筋肉を本来の経路のままファイターに当てはめる：まず26本、次に80本すべて。トルクが中立なゼロ行動、関節の可動限界に寄りかかることへのコスト、小さめの PPO 更新で、どちらも構えにたどり着きました。
- 筋肉、ステージ1：モーターの代わりに関節の筋肉
私が頼んだ実験です。ファイターをサーボではなく86本の関節の筋肉で動かし、構えを覚えられるのか、覚えられるならどれだけ長くかかるのかを測ります。
- 高いガード：すべてのスキルを新しい構えに学習し直す
すべてのスキルを高いガードに移し、前の手のフックとジャブを直し、すべてのクローンの出発点となるベース guard18-124.5M を生んだ18本のラン。
- 速いステップとステップジャブ（中止）中断
間合いへの速い出入りと、踏み込むジャブについての26本の短い GPU ラン。長いステップは最後まで後ろ脚で蹴り出さず、モーションキャプチャをやり直すために作業を止めました。
- ランごとの記録：構えのままの歩き
記事の裏にあるすべてのランと、その結果、マシン、コスト。
- ランごとの記録：構えでのバランス
記事の裏にあるすべてのランと、その結果、マシン、コスト。
技
- 評価：奥足の膝蹴りでの傾きを1ステップずつ
上体を立てる修正の前後で、奥足の膝蹴りを通して胴体の傾きを追跡し、記事用の静止画を描画した、EC2 の短時間のマシン4台。
- 筋肉、ステージ3：パンチ中断
筋肉の体での5つのパンチを、同じ設定のサーボの体と比べる。筋肉の体は一度も点になるほど速く打てませんでした。その理由、伸張反射と脱力した腕、そしてどこで止めたか。
- 教師：蹴り
私のモーションキャプチャから作った、左右のロー、ミドル、ハイの回し蹴り。教師を2回に分けて学習させ、6つすべてを採用しました。
- 教師：ダッシュ
ダッシュの教師ができるまでの6本のラン。どの方向にも素早く踏み出し、上体を立て、しゃがまず、私が実際に進む距離で。
- 教師：肘打ち進行中
私のモーションキャプチャから作った2つの肘打ちの教師。あごへの右の肘打ちと、踏み込む左の肘打ち。
- 教師：アッパーカット、2回目
さらに4つのアッパーカットの教師。奥の手は正面を向いたままになりましたが、前の手は足を地面につけたままにさせるまで、向きを変えるかよろめくかしていました。
- 教師：上体を立てて着地する奥足の膝蹴り
膝蹴りのあと背中を反らさず、上体を立てて着地させるための、奥足の膝蹴りの教師をもう1つ。
- 教師：距離を変えたアッパーカット
RunPod で並行して学習させた2つのアッパーカットの教師。奥の手は採用しましたが、前の手はパンチのあと90°向きを変えてしまい、その原因は学習で相手を向くことへの報酬の与え方にありました。
- 教師：スリップ、ローリング、スウェーバック
4台の並列マシンで2回に分けて学習させた9つの回避の教師。ゲートは通過したものの動画で不合格になりました。最初はパンチクロックに急かされ、次は編集した参照モーションに体を曲げられました。
- 教師：プルカウンター
vast.ai の4台が一度も立ち上がらなかったあと、RunPod で1本のラン。上体を後ろに反らしてから奥の手で頭部へのストレート、空中でもバッグでも 8/8。
- 教師：奥の手のボディストレート
ボディストレートの教師ができるまでの4本のラン。ローブロー禁止のライン、インパクト位置へのバッグの配置、そしてベースの遅い肘での再学習。
- 教師：奥足の膝蹴りとスイッチニー
2つの膝蹴りの教師を並べて、それぞれ3本のランで学習。膝は最初から当たり、足と戻りのステップにさらに2本かかりました。
- ラン一覧：ブロック
記事の裏にあるすべてのラン。結果、マシン、コスト付き。
- ラン一覧：速いパンチ
記事の裏にあるすべてのラン。結果、マシン、コスト付き。
- ランごとの記録：5種類のパンチ
記事の裏にあるすべてのランと、その結果、マシン、コスト。
- ラン一覧：ジャブ
記事の裏にあるすべてのラン。結果、マシン、コスト付き。
生徒
- 生徒：ネットワークサイズの実験
動作を変えずに2 × 512から1024 × 2、512 × 3、1024 × 3へ拡張した生徒を、512 × 2の対照と並べてそれぞれ200 Mステップ学習させました。教師との距離、ゲート、そして4台のマシン。
- 蒸留：distill7 から distill9 まで
さらに3つの生徒。distill7 では距離を変えたアッパーカットと直立した膝蹴り、distill8 では肘打ち、そして distill9 ではハイキック、プルカウンター、ダッシュ。
- 蒸留：生徒 distill4 までの6本のラン
ボディストレート、2つの膝蹴り、プルカウンターをベースに蒸留する。各ランで何を変えたか、評価ゲートがどう生徒を選んだか、評価にいくらかかったか。
インフラ
- 何も学習しなかったマシン：レンダリングとテスト
モデルの学習以外に使ったレンタルマシン。シャドウクローン動画の Blender レンダリングと、RunPod ランチャーのテストです。
- ランごとの記録：2人のファイター、GPU 対 CPU
記事の裏にあるすべてのランと、その結果、マシン、コスト。
- ランごとの記録：GPU 対 CPU
記事の裏にあるすべてのランと、その結果、マシン、コスト。
未整理
まだどの作業ログにも入っていないランとマシンです（$63.45）。このノートの最終更新より新しいものです。それでも合計と統計ページには含まれています。