和此前论文里的应对策略做个对比~可以说很优秀了。
既然我们训练的模拟角色学会了如此多的技能，那么展示出他的才能，让他替代杨超越，C 位出道有何不可呢？
但…等等！
虽然学习能力已经足够强大，但遇到一些复杂的连贯性动作时，SFV 框架还是有些力不从心。
这段已经 out 很久的江南 Style，模型的表现就很不尽如人意。中间是开发人员脑中的“买家秀”，而最右则是 SFV 框架下的“买家秀”。模型只能笨拙得摆动着身体，手脚动作完全不协调，更不要说跳跃的姿态了。
这个 SFV 框架，可能会让不少人想起 DeepMind 去年的“火腿肠机器人模型”。DeepMind 成功教 AI 智能体完成一条有落崖、障碍和墙壁的跑酷路线。
不过，还是那个问题~ 不管是 SFV，还是 DeepMind 的跑酷智能体，除了能快速量产出一批技多不压身的杂技演员外，这些研究还有什么卵用？
事实上，这些学到的技能可以用到很多不同的领域。
在模拟环境中，研究人员就成功训练人工智能完成了一系列任务，拾取东西、诊断阿尔茨海默氏病的阶段。
这篇论文 SFV: Reinforcement Learning of Physical Skills from Videos 入选了今年的 SIGGRAPH Asia。视频发布会，小伙伴们也纷纷献上了膝盖。
