[2025.8.5] Diffuse-CLoC Guided Diffusion for Physics-based Character Look-ahead

摘要

我们提出了Diffuse-CLoC，一个用于基于物理的前瞻控制的引导扩散框架，能够实现直观、可操控和物理真实的运动生成。现有的基于扩散模型的运动学运动生成虽然在推理时通过条件控制提供了直观的操控能力，但往往无法产生物理上可行的运动。相比之下，最近基于扩散的控制策略在生成物理可实现的运动序列方面显示出潜力，但缺乏运动学预测限制了其可操控性。Diffuse-CLoC通过一个关键洞察解决了这些挑战：在单个扩散模型中对状态和动作的联合分布进行建模，使得动作生成可以通过对预测状态进行条件控制而变得可操控。这种方法使我们能够利用运动学运动生成中已建立的条件控制技术，同时产生物理真实的运动。因此，我们无需高级规划器就能实现规划能力。我们的方法通过单一预训练模型处理多样化的未见过的长视界下游任务，包括静态和动态障碍物避让、运动插值和任务空间控制。实验结果表明，我们的方法显著优于传统的高级运动扩散和低级跟踪的分层框架。