研究團隊探索如何讓AI學會自己穿衣服

在siggraph 2018**「learning to dress: synthesizing human dressing motion via deep reinforcement learning」中，喬治亞理工學院和谷歌腦研究團隊描述了他們如何教導ai穿衣服。

機器學習工具自動發現強大的穿衣技巧，並設法訓練具有魯棒性的穿衣模型，儘管模擬布料的計算費用很高。

這篇**中提到，讓ai穿衣服的秘訣就是觸覺，這種觸覺用於動態調整ai的協調性，以適應波紋，絲滑的紡織品，該模型體現了布料撕壞的點，並懲罰那些把衣服弄破的ai。

在這項任務中，t恤在角色的肩膀初始化，角色的頸部包含在衣領內。為了使初始服裝狀態隨機化，在模擬開始時對所有服裝頂點應用固定幅度的隨機脈衝力。在角色開始移動之前，允許服裝固定1秒。

第乙個控制策略完成將右末端執行器移動到指定抓握功能範圍的任務。該策略嘗試匹配服裝特徵空間中的給定位置和方向目標。一旦達到誤差閾值，控制轉換到乙個對準策略，該策略被設計成將左末端執行器和前臂「摺疊」在服裝的腰部特徵下，以準備為手臂著裝。

該策略試圖將手臂包含在由握著的手和肩部形成的三角形內。這種啟發式近似於服裝腰部特徵性的開口。此外，該策略因與服裝內部的接觸而受到獎勵，並且根據服裝內部的選定點的測地距離進行處罰。

一旦檢測到內部接觸，並且手臂在啟發式三角形內，控制轉換到左袖控制器，試圖使端部執行器與袖口的端部特徵的接觸測地距離最小化，並使袖口特徵內的手臂的容納深度最大化。當提供任務向量，其指示末端執行器應該移動的方向以減小其接觸測地距離（或者如果不接觸，則指向服裝特徵）。

當肢體通過袖口超過閾值距離，re-grip控制器將雙手放在一起，從右手到左手交換握法。一旦左手處於其抓握目標的閾值距離內，就觸發抓握交換並且控制轉換到第二個策略，其具有與第乙個相同的目的和轉換標準。然後執行策略以使右臂穿過右袖。此時，第七個也是最後乙個策略用於引導角色回到其開始姿勢，避免服裝破裂。

**：www.cc.gatech.edu/~aclegg3/projects/learning-dress-synthesizing.pdf

facebook的nlp庫的使用：利用fasttext進行文字分類和詞提示

第十六屆中國網際網路大會：ai落地才能夠發揮價值

一文告訴你如何將keras模型儲存到檔案中，並再次載入它們來進行**。