GPC: Large-Scale Generative Pretraining for Transferable Motor Control

NVIDIA의 물리 기반 캐릭터 컨트롤러. FSQ 기반 이산 모션 표현 + GPT 스타일 자기회귀 트랜스포머로 600시간+ 모션 데이터 학습, 99.98% 추적 성공률.

GPC(Generative Pretrained Controllers)는 대규모 모션 데이터셋에서 물리 기반 캐릭터 컨트롤을 위해 설계된 생성형 사전학습 프레임워크다. Finite Scalar Quantization(FSQ)으로 모션 보케블러리를 학습하고, GPT 스타일 자기회귀 트랜스포머로 토큰 분포를 모델링한다. 600시간 이상의 모션 데이터로 훈련해 99.98% 추적 성공률을 달성했으며, 자연스러운 행동 발현과 PEFT를 통한 다운스트림 태스크 적응을 지원한다.

핵심 요약

• Finite Scalar Quantization(FSQ) 기반 이산 모션 표현 학습 - VQ-VAE의 코드북 문제 회피
• GPT 스타일 자기회귀 트랜스포머로 모션 토큰 분포 모델링 (next-token prediction)
• 600시간+ 대규모 모션 데이터셋 훈련, 99.98% 추적 성공률 달성
• 자연 발현 행동: 외란 대응, 낙하 후 복구 전략 등
• Parameter-Efficient Fine-Tuning(PEFT)로 새 태스크 적응
• SIGGRAPH 2026 컨퍼런스 페이퍼 - NVIDIA/Simon Fraser University 공동

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.