인간 동작 데이터를 바탕으로 하는 이족 행동 시뮬레이션

인간 동작에 대한 물리 기반 시뮬레이션은 컴퓨터 애니메이션, 로봇공학 및 생체역학의 맥락에서 중요한 문제입니다. 우리는 물리적으로 시뮬레이션된 평면 이족 캐릭터가 인간 행동을 모방할 수 있도록 하는 새로운 기술을 제시합니다. 우리의 기여는 두 가지입니다. 우리는 모션 캡처된 동작이나 운동학적으로 합성된 이족 동작을 물리적으로 실행 가능한 균형 유지를 위한 시뮬레이션 동작으로 변환하는 최적화 방법을 개발했습니다. 우리의 최적화 방법은 스타일적이고 개성이 풍부한 인간 행동이 포함된 풍부한 훈련 데이터 세트를 수집할 수 있게 해줍니다. 우리의 컨트롤러 학습 알고리즘은 훈련 데이터로부터 학습된 강력한 동적 컨트롤러들을 생성하고 구성하는 데 도움을 줍니다. 우리는 실시간으로 동적으로 시뮬레이션된 평면 관절 캐릭터를 시연하며, 통합된 운동 기술 레퍼토리로 제어하여 원하는 동작을 수행하도록 합니다.