Los puntos clave no están disponibles para este artículo en este momento.
Los personajes humanos con una amplia gama de comportamientos realistas y de aspecto natural permitirán la construcción de experiencias interactivas atractivas. En este artículo, desarrollamos una técnica para aprender controladores para un gran conjunto de comportamientos heterogéneos. Al dividir una biblioteca de referencia de movimientos en grupos de movimientos similares, somos capaces de construir expertos, controladores aprendidos que pueden reproducir una versión simulada de los movimientos en ese grupo. Estos expertos se combinan a través de una segunda fase de aprendizaje, en un controlador general con la capacidad de reproducir cualquier movimiento en la biblioteca de referencia. Demostramos el poder de este enfoque al aprender los movimientos producidos por un gráfico de movimiento construido a partir de ocho horas de datos de captura de movimiento y que contiene un conjunto diverso de comportamientos como bailar (ballroom y breakdancing), movimientos de karate, gesticular, caminar y correr.
Won et al. (Mié,) estudiaron esta cuestión.