La animación de movimientos humanos en entornos digitales ha sido un desafío constante. Desde las primeras películas CGI hasta los videojuegos modernos, capturar la forma en la que interactuamos con los objetos físicos ha requerido años de perfeccionamiento.

Por: Saraí Coscojuela

InterMimic, un sistema de Inteligencia Artificial (IA) diseñado para entrenar robots y simulaciones para imitar movimientos humanos con una precisión sin precedentes, fue presentado en un reciente preprint académico, con un enfoque que combina aprendizaje automático, simulaciones físicas y un método innovador de enseñanza por destilación de políticas para corregir y mejorar la calidad de los datos de movimientos capturados.

Tradicionalmente, se han usado datos de captura de movimiento (MoCap) para registrar cómo una persona manipula objetos, pero estos datos no siempre son perfectos, ya que los errores de contacto, movimientos imprecisos y la falta de detalles en las manos pueden hacer que la simulación final se vea poco realista o físicamente incorrecta.

InterMimic aborda este problema con un enfoque en dos etapas, el primero de ellos, entrena políticas “maestras” en conjuntos de datos pequeños y específicos para corregir los errores en los movimientos capturados.

Luego, estas políticas maestras se combinan en una política estudiante, que aprende de múltiples ejemplos refinados, logrando así una simulación más robusta y adaptable.

El sistema introduce un método de aprendizaje en enseñanza progresiva. Es decir, primero aprenden a imitar con precisión movimientos simples y luego se les entrena en interacciones más complejas y variadas.

Para mejorar la fidelidad de los movimientos, InterMimic emplea aprendizaje por refuerzo en la política estudiante. En lugar de limitarse a copiar los movimientos de los datos originales, la IA aprende a optimizarlos, asegurando que sean realistas y físicamente plausibles.

Según los autores del paper, este proceso “permite a InterMimic superar la mera replicación de demostraciones y alcanzar soluciones de mayor calidad”.

Gracias a su capacidad de generalización, puede ser aplicado en robots humanoides que necesiten aprender a manipular objetos con movimientos más naturales. 

Otra aplicación interesante es la generación de interacciones a partir de texto. Esto significa que un usuario podría escribir una acción, como «levantar una silla», y el sistema generaría automáticamente la animación correspondiente con una precisión física adecuada.