基于智能体的群体动画创作方法的研究与实现

当前，动画研究日益着重角色的智能和动作的细腻，群体动画系统的各模块之间耦合度日益提高，致使动画创作难度日益加大，尤其当智能角色数目增多时，其计算量将呈非线性快速增加，极大地影响了动画创作的实时性，无法在简单性和高效性方面较好地均衡。该文基于Steering行为理论，综合传统的智能角色动画和蒙皮骨骼动画技术，提出了一个基于自主智能体的群体动画角色模型。实例证明：此种模型制作简单，模块耦合度低且能通过很少的计算量实现实时交互，提高了动画创作效率，具有良好的应用前景。     

计算机视觉与机器学习技术在三维人体动画中的应用综述

近年来计算机视觉与机器学习技术广泛应用于三维人体动画领域中.基于图像/视频的人体运动数据获取技术、数字角色和场景建模、交互式角色动画控制与运动生成等方面都大量应用了计算机视觉技术;同时,机器学习理论在三维人体运动数据重用以及后期智能角色动画创作中扮演了越来越重要的角色,并得到一些很好的研究成果.文中以三维人体动画创作流程为主线对这些方法的基本思想和关键技术进行了归纳与分析,并讨论了三维人体动画制作技术的发展趋势.     

计算机动画的人工生命方法：“人工鱼”的建模和生成

引言 生活在自然界的动物群体是动画创作者面临的“挑战性”难题。为此,我们开发了计算机动画生成的新方法──“人工生命”方法,可以逼真地体现自然生态系统中动物群体的复杂运动和行为,并且可显著地降低动画创作者的劳动强度。 我们的方法是构建“人工动物”,创作自激励的自主智能体,去模拟动物个体的真实外观、运动和行为,及动物群体的社会行为表现模式。用计算机模型描述这些人工动物共有的基本特征──生物力学、运动、感知和行为。 为了证实我们构建的“人工生命”的有效性,我们实现了在虚拟海洋世界栖息着的各式各样的人工鱼…     

半自主足球机器人基本动作的设计与实现

足球机器人系统是国际上标准的多智能体动作行为的研究平台，基本行为动作是智能体行为的基础；文章在分析FIRA半自主机器人足球系统（MiroSot）的基础上，设计了包含开环类、简单控制类和到定点转向给定角度类三大类、共五种基本动作，介绍了控制算法实现并通过实验得到了它们的运动性能；利用这些动作在时间和空间的组合协调，可以实现复杂的动作行为，并在历次国内比赛中证实了其有效性。     

动画自动生成系统中的智能虚拟角色的研究

有较好表现能力、反应式的适度智能主体逐渐成为构建动画自动生成系统中虚拟角色的一种主流技术。文章从智能主体角度出发,建立一个具备反应能力的半自治的智能虚拟角色,能够感知自身和周围角色的行为状态,自主时周围环境做出反应,期望为动画自动生成提供更具智能性和真实性,行为更加丰富的虚拟角色。     

基于视频的人体动画

现有的基于运动捕获的动画普遍存在投资大，人体的运动受到捕获设备限制等缺陷。提出了新的基于视频的人体动画技术，首先从视频中捕获人体运动，然后将编辑处理后的运动重定向到动画角色，产生满足动画师要求的动画片段。对其中的运动捕获、运动编辑和运动重定向等关键技术进行了深入研究，并基于这些关键技术开发了一个基于双像机的视频动画系统（VBHA），系统运行结果表明了从来源广、成本低的视频中捕获运动，并经过运动编辑和运动重定向后生成逼真动画的可行性。     

"人工鱼"自学习方法研究

“人工鱼”利用人工生命方法创作计算机动画。为了进一步提高动画角色的自适应能力，该文将人工神经网络方法和基于时间差分方法TD的强化学习相结合，建立了“人工鱼”的自学习模型，控制人工鱼的行为。该实验表明该“人工鱼”自学习系统可以使“人工鱼”成为更加自主和智能的角色。     

人工鱼的认知建模方法研究

“人工鱼”利用人工生命方法创作计算机动画。为了进一步提高动画角色的智能水平,将人工智能方法学引入到“人工鱼”系统中,建立认知模型,控制人工动物的行为,使人工动物成为更加自主的和智能的角色。该文介绍了认知建模的概念、特点,给出人工鱼的认知建模方法研究的主要内容和模型结构。     

基于特征技术的三维角色动画

为了将动画师从底层繁重的重复性劳动中解放出来,提高动画创作的生产效率,计算机动画的研究开始专注于如何管理、重用已有的运动捕获数据,在此平台上构建高层控制,开发智能化的三维角色动画。本文的工作就是探索运动捕获数据自动处理与重用方法,并在此基础上构建高层的特征技术,实现智能化方便动画师创作．以提高动画创作的生产率。本文提出了运动数据特征化、风格化运动编辑与合成等技术,描绘了一个基于特征的三维动画制作流程。     

基于自主行为智能体的月球车运动规划与控制

研究基于自主行为智能体的月球车运动规划与控制方法．在基于自主行为智能体的月球车系统结构基础上,首先设计了月球车运动规划与控制的一组基本行为,对其原理进行证明．通过行为状态机对行为进行选择,如果不能保障月球车安全性能,则由运动规划智能体学习其行为参数,并由神经网络记忆．将月球车运动规划与控制分解为行为设计与学习两个过程,使月球车控制系统易于加入先验知识．同时,月球车运动规划能够满足其机动性与地形传送性约束,保证工程开发的结构化与可实现性．该方法不仅具有实时性,而且对未知环境具有较强的适应能力．仿真研究与实验证明了该方法的有效性．     

多角色与虚拟场景的运动融合

在基于运动捕获的计算机动画中,已提出的各种运动编辑的方法大都针对单个角色运动进行处理,而且角色的运动多数是事先规划好的,缺乏对外界环境变化的响应能力.为了提高角色对环境的感知、响应能力以及角色间的自主协同能力,提出将多个结构化环境下捕获的单角色运动融合到同一个非结构化虚拟环境下的"运动融合"的新概念和方法,并根据运动决策、运动协调、运动求解和运动执行的体系结构对运动规划、多角色协同、离散运动模式决策和连续运动姿势生成等关键问题进行了深入研究.实验结果表明,提出的方法能够真正有效地实现同一场景下角色与场景协调的运动融合.动画角色的高自主性和运动捕获数据的高重用性使得提出的方法在计算机动画和游戏中具有普遍的应用价值.     

虚拟现实中一种基于运动混合的实时同步算法

在虚拟现实中,采用运动捕获系统建立基本运动库,然后通过运动编辑技术对基本运动进行处理。运动混合技术是编辑技术中最为实用也最为复杂的一种。提出了基于运动混合的实时同步算法,以便更好地动态混合运动,避免产生未预期的效果,以创建复杂的虚拟动画。     

一种基于传感器的人体上肢运动实时跟踪方法

实时跟踪人体运动是人机交互的重要研究课题,可以广泛应用于虚拟现实、虚拟人运动合成、聋人手语自动生成、计算机3D动画、机器人运动控制、远程人机交互等领域。文中介绍了一种基于传感器的人体上肢运动实时跟踪方法,给出了该方法的虚拟人模型、计算原理与校正方法,最后介绍了整个方法的实现以及在中国聋人手语自动合成中的应用。该方法具有使用传感器少,运动跟踪精度高、计算过程简单而且速度快等特点。     

一种实时虚拟人反应式动画生成算法

使用运动捕获数据驱动与动力学模拟相结合的控制方法,可以产生既真实又能对外界施加的作用力作出反应的人体运动.为减少以前方法中反应式运动数据搜索的时间开销并去除动画师需要的手工调节工作,采用并行计算,并引入人工神经网络的方法,根据虚拟人主要关节的位姿对反应运动类型进行预测,得到需搜索的反应运动子类型库.另外,对搜索匹配的算法进行改善以提高搜索效率.实验结果表明:系统中的虚拟人的运动能在两种控制方式之间灵活切换,并能实时响应外界的交互作用.     

Path planning directed motion control of virtual humans in complex environments

Natural motion synthesis of virtual humans have been studied extensively, however, motion control of virtual characters actively responding to complex dynamic environments is still a challenging task in computer animation. It is a labor and cost intensive animator-driven work to create realistic human motions of character animations in a dynamically varying environment in movies, television and video games. To solve this problem, in this paper we propose a novel approach of motion synthesis that applies the optimal path planning to direct motion synthesis for generating realistic character motions in response to complex dynamic environment. In our framework, SIPP (Safe Interval Path Planning) search is implemented to plan a globally optimal path in complex dynamic environments. Three types of control anchors to motion synthesis are for the first time defined and extracted on the obtained planning path, including turning anchors, height anchors and time anchors. Directed by these control anchors, highly interactive motions of virtual character are synthesized by motion field which produces a wide variety of natural motions and has high control agility to handle complex dynamic environments. Experimental results have proven that our framework is capable of synthesizing motions of virtual humans naturally adapted to the complex dynamic environments which guarantee both the optimal path and the realistic motion simultaneously.     

Dynamic obstacle avoidance for real-time character animation

This paper proposes a novel method to control virtual characters in dynamic environments. A virtual character is animated by a locomotion and jumping engine, enabling production of continuous parameterized motions. At any time during runtime, flat obstacles (e.g. a puddle of water) can be created and placed in front of a character. The method first decides whether the character is able to get around or jump over the obstacle. Then the motion parameters are accordingly modified. The transition from locomotion to jump is performed with an improved motion blending technique. While traditional blending approaches let the user choose the transition time and duration manually, our approach automatically controls transitions between motion patterns whose parameters are not known in advance. In addition, according to the animation context, blending operations are executed during a precise period of time to preserve specific physical properties. This ensures coherent movements over the parameter space of the original input motions. The initial locomotion type and speed are smoothly varied with respect to the required jump type and length. This variation is carefully computed in order to place the take-off foot as close to the created obstacle as possible. Electronic supplementary material Supplementary material is available in the online version of this article at and is accessible for authorized users.     

Behavior emergence of a virtual creature living in complex environments

This study aimed at establishing a new computer-aided animation method using agent-based and physics modeling-based animation. The specific problem we addressed was to install adaptive behavior in a virtual creature placed in a complex environment, and to create its animated behavior automatically. The virtual creature is regarded as an autonomous agent who has sensors, actuators, and controllers. An artificial neural netword (ANN) and a central pattern generator (CPG) were adopted as the controllers. An optimization algorithm was introduced to train the controllers. Numerical experiments proved that the virtual creature acquires effective motions (walking, swimming) to move toward its destination, and to avoid obstacles and other creatures.     

An interactive data-driven driving simulator using motion blending

Compared to the motion equations the data-driven method can simulate reality from sampling of real motions but real-time interaction between a user and the simulator is problematic. Existing data-driven motion generation methods simply record and replay the motion of the vehicle. Character animation technology enables a user to control motions that are generated by a motion capture database and an appropriate motion control algorithm. We propose a data-driven motion generation method and implement a driving simulator by adapting the method of motion capture. The motion data sampled from a real vehicle are transformed into appropriate data structures called motion blocks, and then a series of motion blocks are saved into the motion database. During simulation, the driving simulator searches for and synthesizes optimal motion blocks from the motion database and generates motion streams that reflect the current simulation conditions and parameterized user demands. We demonstrate the proposed method through experiments with the driving simulator.     

基于非线性流形学习的3维人体运动合成

为了实现3维人体运动的有效合成,提出了一种基于非线性流形学习的3维人体运动合成框架及算法,并可应用于方便、快捷、用户可控的3维人体运动合成。该合成算法框架先采用非线性流形降维方法将高维运动样本映射到低维流形上,同时求解其本征运动语义参数空间的表达,然后将用户在低维运动语义参数空间中交互生成的样本通过逆向映射重建得到具有新运动语义特征的3维运动序列。实验结果表明该方法不仅能够对运动物理参数（如特定关节的运动位置、物理运动特征）进行较为精确的控制,还可用于合成具有高层运动语义（运动风格）的新运动数据。与现有运动合成方法比较,该方法具有用户可控、交互性强等优点,能够应用于常见3维人体运动数据的高效生成。     

基于时空约束的运动编辑和运动重定向

近年来兴起的运动捕获已成为人体动画中最有应用前景的技术之一，目前运动捕获手段很多，但是通常成本高，而且捕获到的运动类型比较单一，为了提高运动捕获数据的重用性，生成与复杂场景协调的多样的动画，必须对捕获的运动数据进行编辑和重定向处理，介绍了一种基于时空约束的运动编辑和运动重定向方法，通过规定一组时空约束条件，建立相应的目标函数，采用逆向运动学和数值优化方法求解出满足约束条件的运动姿势，实验结果表明，该方法可以生成多种满足不同场景婪泊逼真运动，提出了数据的重用性。