[CV]《GPC: Large-Scale Generative Pretraining for Transferable Motor Control》Y Shi, Y Jiang, C Tessler, X B Peng [Simon Fraser University & NVIDIA] (2026)

在物理仿真角色动画领域，让智能体同时具备多样性与自然感的运动技能是一个长久难题。过去的方法多依赖连续潜空间，极易陷入模式崩溃或产生动作漂移；而早期的离散化方案如 VQ-VAE 则受困于代码库利用率低和训练不稳定的瓶颈。这导致控制器难以从数百小时的非结构化运动数据中提取有效特征，限制了其在复杂环境下的泛化能力。

本文的核心洞见是：将肢体控制重新看作一种离散的“语言”序列预测任务。通过引入有限标量量化技术，研究者构建了一个无需显式代码库的固定离散空间，并利用强化学习进行端到端优化。这一关键操作使得 GPT 架构的变换器能够像预测单词一样预测运动标记，让角色在受到外力干扰或跌倒时，能够通过自回归采样自主生成拟人的恢复动作。

这项工作真正留下的遗产是证明了生成式预训练可以扩展至六百小时以上的运动数据，并实现近乎完美的动作复现率。它为后来者打开了通往“运动基础模型”的大门，允许通过极少量的参数微调快速适配新任务，同时保留原始动作的自然质感。但尚未跨过的门槛是，该模型目前仍集中于位移类技能，在复杂的人机物交互及高层语义控制方面仍有待突破。

arxiv.org/abs/2606.29148 #机器学习# #人工智能# #论文# #AI创造营#