速いステップとステップジャブ（中止）

GPU 向けに書き直した環境一式で最初に行った仕事です。私の足を撮った 1.5 s のクリップ（1歩踏み込んで、まっすぐ下がる）から作った、間合いへの速い出入りのステップと、遠い標的に届くように踏み込むジャブです。親であり教師でもあったのは、それまでの技をすべて知っている opp15-14.5M です。学習前のステップの技は、ステップジャブが 3/40、速いステップが 9/32 でした。

ラン

どのランも短く（約 0.2–0.6 h）、直前のランからウォームスタートし、変更は1つずつです。

ラン	変更点
step0	動作確認：GPU 環境一式で毎秒約22,000ステップ（3台、約$0.2）
step1–2	速いステップとステップジャブ。足の配置の項を広げた（27.2 M：ステップジャブ 5/40、速いステップ 11/32）
step3–5	ステップジャブの時計を遅くし、距離のカリキュラム、足の接地を修正、速いステップを専用のボタンに
step6a/b, 7a/b	教師の重みの A/B テスト。教師なしの診断（ほかの技を何も保持しないとき、何かを覚えるか？）
step8–10	届く距離のカリキュラム、ステップジャブは届いたら報酬、上限 0.30 m
step11–14	跳ねずに滑る、長いステップのみ、途中から開始（参照状態初期化）、押し出しはその瞬間に報酬
step15–18	踏み込みを作り直し（まず体重を後ろへ）、長いステップを遅く、着地の間は教師をオフ
fs1	教師なしの速いステップ専門、すべてのエピソードを間合いのエピソードに
step19–20b	長いステップを後ろ脚で蹴り出すように。スタイルよりスピードと距離を優先し、次にそれをカリキュラムに

なぜ止めたのか

長い踏み込みは、後ろ脚で蹴り出して移動することを最後まで覚えませんでした。下がるステップも、遅くした速度でしか距離を稼げませんでした。step20b のあとで止めました。「どれもうまくいっていない。あきらめよう……もっと良いモーションキャプチャを使って、全部一からやり直す。」ステップの環境とそのツールはコードから削除しました。ランのログとチェックポイントは残してあり、ステップは新しい参照モーションで戻ってくる予定です。

すべてのラン

kakuto-mlのラン記録から作成しています。各ランのマシン、課金された時間とコストです（EC2のランはランのログからの推定値です）。この作業ログに含まれるテストとレンダリングも載せています。

• the CUDA-graph crash test, 22 October (gpu-rewrite): マシン1台、0.1時間、$0.07

← 「シャドウクローン：ムエタイの4つの技を並行して学ぶ」のすべての作業ログ