[2025.10.15] UniPhys Unified Planner and Controller with Diffusion for Flexible

摘要

本文提出了一种统一的规划与控制框架，使用扩散模型同时处理运动规划和控制任务。

核心方法

跟 [2024.11.19]Maskedmimic: Unified physics-based character control through masked motion 非常类似，这两篇文章都是输入用户控制信号，生成 PD 控制的目标。

这两篇文章的区别在于训练生成模型时所使用的 PD 控制目标的来源不同。在这篇文章中，在训练生成模型之前会对 mocap 数据做一个预处理。它会让 mocap 数据过一遍 PD 控制让数据强行变成一个物理合力，但是可能比较僵硬的动作数据。这个物理合理，但是动作僵硬的数据就是生成模型的 GT。所以这个方法所生成出来的动作也是物理合理，但是会有点僵硬的。

优点

这篇文章的好处是它不需要强化学习和蒸馏学习，训练会更简单，在推断的时候不需要轨迹优化，只需要一个模型就可以完成推理。