模拟真实人体关节约束的数据驱动方法

对涉及人机物理交互的应用而言，建立真实的人体关节极限模型非常重要。然而，设定适当的人体关节极限具有挑战性，因为它是姿态依赖的：关节运动范围会因其他骨骼的位置而异。本文引入了一项在物理仿真中精确模拟人体关节极限的新技术。我们提出学习一个隐式方程，以从真实人体数据中表征有效人体关节配置的边界。该隐式方程中的函数由一个全连接神经网络表示，其梯度可通过反向传播高效计算。利用梯度，我们能够通过物理引擎中的约束力或作为优化问题中的约束，高效地强制执行真实的人体关节极限。