ラボノート

モデルの系譜

ここにあるモデルはどれも、それより前のモデルから始まっています。新しいスキルは最後の良いモデルの上に学習させます。いくつもの技を一度に覚える必要があるときは、ベースを教師にクローンして1つの技ずつ学習させ、その教師たちを1つの生徒に蒸留し直します。下の各ボックスは学習ランで、始めたランからの矢印と、学んだ各教師からの破線の矢印がついています。

各ボックスは作業の1段階、つまり1つの作業ログです。再学習、教師のセット、蒸留などです。開くと、その中のすべてのランが見られます。各技のページにも、その技自身のランについて、ランごとの同じ図があります。

作業の段階を、古いものから左に並べています。作業ログ25件です。ある段階のモデルが別の段階のランの出発点になったところに矢印を、教師になったところに破線の矢印を引いています。基礎技生徒ランごとの記録: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。構えでのバランス19回 · $23 · 採用13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。ジャブ22回 · $16 · 採用14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。5種類のパンチ10回 · $22 · 採用7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。速いパンチ7回 · $8 · 採用5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。構えのままの歩き22回 · $35 · 採用18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。ブロック20回 · $33 · 採用20速いステップとステップジャブ(中止):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。速いステップとステップジャブ25回 · $9 · 採用18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。高いガード:すべてのスキル…18回 · $21 · 採用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。奥の手のボディストレート4回 · $4 · 採用4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。奥足の膝蹴りとスイッチニー6回 · $6 · 採用6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。生徒 distill4 ま…6回 · $16 · 採用3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。プルカウンター1回 · $3 · 採用1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。スリップ、ローリング、スウ…9回 · $13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。距離を変えたアッパーカット2回 · $8 · 採用1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。アッパーカット、2回目4回 · $10 · 採用2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。上体を立てて着地する奥足の…1回 · $1 · 採用1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。ダッシュ6回 · $10 · 採用4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。蹴り12回 · $31 · 採用12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。distill7 から d…3回 · $11 · 採用3教師:肘打ち: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。肘打ち2回 · $7 · 採用2 · 進行中筋肉、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。筋肉、ステージ1:モーター…8回 · $6 · 採用3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2:本物の脚…15回 · $10 · 採用5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。評価:奥足の膝蹴りでの傾き…0回 · $0筋肉、ステージ3:パンチ: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。筋肉、ステージ3:パンチ10回 · $11 · 採用2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。生徒:ネットワークサイズの…4回 · $8 · 採用1
ここのランの出発点になったモデルここのランの教師古いものが左です。各ボックスは作業ログで、開くとすべてのランが見られます。横にスクロールできます。