-
题名虚拟人运动控制策略学习方法的研究进展与展望
- 1
-
-
作者
叶永竞
许逸文
张子豪
胡磊
夏时洪
-
机构
中国科学院计算技术研究所前瞻研究实验室
中国科学院大学
-
出处
《计算机辅助设计与图形学学报》
北大核心
2025年第2期185-206,共22页
-
基金
工业软件重点专项(2022YFB3303202)
国家自然科学基金(62302481)。
-
文摘
虚拟人运动合成是虚拟现实和角色动画领域中的关键问题之一,旨在合成真实自然且能够响应用户输入信息的运动序列.虚拟人运动控制策略根据用户输入约束解算关节力矩,并依托现有的物理引擎更新虚拟人状态,合成的运动序列在满足用户输入约束的同时可以满足物理真实性.近年来,深度强化学习技术因在序列决策和交互任务中的出色表现而备受研究者的关注,为基于物理引擎的虚拟人控制策略学习提供了新途径.文中对虚拟人运动控制策略学习方法进行综述,从理论基础和应用设计等方面介绍相关研究.在应用设计方面,首先基于深度强化学习的基础元素,从状态表示、奖励函数设计、控制策略设计以及物理仿真4个角度对现有工作进行梳理总结;其次,分析现有通用技术框架并指出其在控制策略上的拓展方向,并以实际问题为例探讨虚拟人运动控制策略的具体应用.最后,总结当前该领域的研究现状,指出利用丰富的运动捕获数据提升运动控制策略的深度与广度是未来的主要研究方向,展望虚拟人运动控制策略学习方法在多模态的感知与控制、世界模型学习和具身智能等应用方向的发展前景.
-
关键词
虚拟人
运动控制策略
强化学习
深度学习
角色动画
-
Keywords
humanoid character
motion control policy
reinforcement learning
deep learning
character anima-tion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
