基于关节力矩驱动的生物逼真人体运动合成
图形学
2019-08-23 v2 机器学习
机器人学
摘要
使用关节驱动器驱动骨骼运动在角色动画中是常见做法，但由此产生的力矩模式往往不自然或真实人类难以实现。另一方面，基于生理的模型显式模拟肌肉与肌腱，从而产生更拟人化的运动与力矩模式。本文引入一种技术，将定义在肌肉驱动空间中的最优控制问题转化为关节驱动空间中的等价问题，使得两问题的解具有相同的最优值。通过在关节驱动空间中求解等价问题，我们可生成与肌腱模型相当的类人运动，同时保留关节驱动模型所具备的建模简单与计算快速之优势。我们的方法将肌肉激活上的常数界转化为关节驱动空间中非线性的、依赖于状态的力矩限制。此外，肌肉激活上的代谢能量函数被转化为关节力矩、关节构型与关节速度的非线性函数。我们的技术也可惠及使用深度强化学习方法的策略优化，为智能体在学习过程中探索提供更具解剖学真实性的动作空间。我们利用基于生理的模拟器OpenSim提供训练数据以学习力矩限制与代谢能量函数。一旦训练完成，相同的力矩限制与能量函数可应用于表述为轨迹优化或策略学习的迥异运动任务。代码库：https://github.com/jyf588/lrle 与 https://github.com/jyf588/lrle-rl-examples
引用
@article{arxiv.1904.13041,
title = {Synthesis of Biologically Realistic Human Motion Using Joint Torque Actuation},
author = {Yifeng Jiang and Tom Van Wouwe and Friedl De Groote and C. Karen Liu},
journal= {arXiv preprint arXiv:1904.13041},
year = {2019}
}
备注
SIGGRAPH 2019. 12 pages, 8 figures. Accompanying video: https://youtu.be/3UxfF_BmDxY