Dalam pengembangan game, umumnya sistem animasi yang banyak digunakan adalah state machine yang berupa hierarchical node dari gabungan berbagai macam animasi gerak. Kurangnya skalabilitas pada tradisional animation system yang memerlukan banyak node untuk tiap gerak animasi yang berbeda di tambah dengan kompleksitas gerakan manusia, hadirlah berbagai macam metode seperti Motion Matching dan penggunaan Neural Network dengan pendekatan data-driven atau physics-based yang terbukti dapat meningkatkan kualitas efek nyata animasi karakter dalam game di banding hierarchical node state-machine. Meski begitu, penelitain terdahulu banyak menggunakan non-comercial game engine. Penelitian ini berfokus pada replikasi gerak bantingan Ju-Jitsu ke dalam ruang simulasi menggunakan agent Deep Reinforcement Learning dalam framework Marathon Environment ML-Agent dengan metode
DeepMimic. Meski Marathon Environment ML-Agent di rancang berdasarkan DeepMimic namun, modifikasi tetap perlu di lakukan agar sesuai dengan tujuan penelitian. Penelitian ini menggunakan data animasi yang di ambil dari konversi video gerakan bantingan Haraigoshi. Setelah di konversi data keyframe animasi di pelajari agent dalam proses training dari kondisi tubuh animator. Agent di latih untuk membuat keputusan dengan policy untuk memaksimalkan reward dari perbandingan kondisi tubuh animator dan tubuh agent dalam tiap step-actoin seperti posisi end-effector, rotasi sendi, velocity sendi, dan velocity pusat masa. Agent dilatih selama 2 hari, 18 jam, 29 menit dengan total 128 juta langkah dan mencapai cumulative reward sebesar 139.9. Agent di uji dengan 2 metode yaitu secara kualitatif dan kuantitatif. Secara kualitatif agent di berikan target aksi yang harus di penuhi dan secara kuantitatif agent di uji dengan menghitung MAPE pada perbedaan rotasi sendi animator dan agent. Meskipun persentase error pada MAPE kurang dari 10%, secara visual agent tidak dapat menyelesaikan target aksi yang diinginkan. Masalah local optima menyebabkan gerakan agent berhenti pada nilai tengah dari target sebenarnya, yang diidentifikasi melalui fluktuasi nilai rotasi sendi agent. Meski begitu agent dapat menyelesaikan episode yang sama panjang dengan keyframe animasi yang di berikan.