虚拟人运动控制策略学习方法的研究进展与展望

摘要: 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其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. 首先回顾了虚拟人建模仿真和强化学习的理论基础, 以及应用于单一虚拟人运动控制策略学习的主流深度强化学习算法. 其次, 基于强化学习基本元素, 介绍了虚拟人运动控制问题研究工作的应用设计. 最后, 总结了当前研究现状与面临的挑战, 展望虚拟人运动控制策略学习方法的未来发展趋势.

https://www.jcad.cn/article/doi/10.3724/SP.J.1089.2024-00168