该文介绍了C・ASE框架，用于学习基于物理的角色的条件对抗性技能嵌入。该框架将异质的技能运动划分为不同子集，用于训练低级条件模型以学习条件行为分布。训练过程中结合了聚焦技能采样、骨骼残余力和逐元素特征掩码，以平衡不同复杂度的多样技能、减轻动力学不匹配以掌握敏捷动作，以及捕捉更一般的行为特征。一旦训练完成，条件模型可以生成高度多样且逼真的技能，超过了现有的最先进模型，并可用于各种下游任务。