神经辅助冲量：用于物理基角色的夸张运动合成
人工智能
2026-04-08 v1 图形学
摘要
物理基角色动画已成为合成真实、物理上合理运动的基本方法。虽然当前的数据驱动深度强化学习(DRL)方法能够合成复杂技能，但在再现动画所需的夸张、修辞运动方面存在困难，例如瞬时冲刺或空中轨迹改变等，这些运动违反标准物理定律。主要限制源于将角色建模为不可控浮动基系统，在该模型中，内部关节扭矩和动量守恒严格支配运动。直接通过外部力矩强制实现此类运动常导致训练不稳定，因为速度离散产生稀疏、高幅度力脉冲，阻止策略收敛。我们提出辅助冲量神经控制(Assistive Impulse Neural Control)框架，将外部帮助从力空间重新表述为冲量空间，以确保数值稳定性。我们将辅助信号分解为由反演动力学产生的解析高频分量和由学习得到的低频残差校正，后者由混合神经策略控制。我们展示了该方法可实现对高度敏捷、先前不可实现的动态机动的稳健跟踪。
引用
@article{arxiv.2604.05394,
title = {Neural Assistive Impulses: Synthesizing Exaggerated Motions for Physics-based Characters},
author = {Zhiquan Wang and Bedrich Benes},
journal= {arXiv preprint arXiv:2604.05394},
year = {2026}
}