Nous proposons une méthode pour synthétiser des mouvements de lever du sol pour un personnage simulé par la physique. À partir d’une position au sol, notre objectif n’est pas d’imiter une séquence de mouvement en particulier, mais de produire des mouvements qui correspondent aux courbes d’entrées décrivant le style du mouvement de lever du sol. Notre cadriciel utilise l’apprentissage par renforcement profond pour entraîner une politique afin de contrôler un personnage simulé par la physique. Un espace latent de poses naturelles est fabriqué à partir d’une base de données de capture de mouvements. Les poses sont conditionnées par des caractéristiques d’entrée qui décrivent le mouvement. Nous démontrons que notre approche peut synthétiser des mouvements qui suivent le style des courbes créées par l’utilisateur, ainsi que des courbes extraites des mouvements de référence. Dans ce dernier cas, les mouvements du personnage basé sur la physique ressemblent aux mouvements de référence originaux. De nouveaux mouvements peuvent être synthétisés facilement en ne modifiant qu’un petit nombre de paramètres qui décrivent le mouvement. Nous démontrons également le succès de nos contrôleurs sur des terrains accidentés et inclinés.
| Date | 19 août 2022 |
|---|
| langue originale | Français |
|---|
| Établissement diplômant | - École de technologie supérieure
|
|---|
| Superviseur | Sheldon Andrews (Directeur(-trice)) |
|---|
- synthétisation de mouvements de lever du sol
- personnages basés sur la physique
- apprentissage par renforcement profond
Frezzato, A. (Auteur(e)),
Andrews (Directeur(-trice)),
19 août 2022Thèses et mémoires: Mémoire de maîtrise › Maîtrise en ingénierie: Génie des technologies de l'information