颗粒介质环境下动画角色的运动仿真研究

This project plans to resolve the problem of simulating character animation on granular media. Granular media, for example sand, is widely observed in the real world. It is incompressible like solid but could flow like fluid. Existing work is generally divided into two independent research problems: the simulation of character animation, and the simulation of granular media. Surprisingly, the combination of both is an underexplored field. This project aims to develop a neural-muscular-skeletal model to simulate the underlying machinery of animal locomotion. This model is expected to improve the stability and naturalness of the synthetic motion. We also propose a novel interaction model to compute the reactive force between virtual character and granular media. Combined with the simulation of granular media itself, we can accomplish the overall goal of simulating character animation on granular media. One of the technical challenges is that the force on the virtual character is noncontiguous and randomly distributed. To tackle this problem, we develop a control framework composed of a network of neuron units and use the method of Deep Reinforcement Learning to optimize the weight parameters of this neural network. This solution successfully solves the problem of parameter optimization in the absence of training data. Our work advances the related field of simulating character animation in complex and challenging environment and can be of practical applications to industries of animation, video games and virtual reality etc.

本项目拟研究颗粒介质环境下动画角色的运动仿真问题。颗粒介质（例如沙地）普遍存在于自然环境中，其同时具有固体的不可压缩性和液体的可流动性。现有工作主要集中在动画角色和颗粒介质的运动仿真这两个独立领域，而较少工作研究动画角色在颗粒介质环境下的运动。首先，本项目建立基于神经－肌肉－骨骼的动画角色运动仿真模型，模拟真实生物的运动机理；特别是针对颗粒介质环境下不连续产生、非均匀分布的信号输入，建立由多层的神经元组合而成的神经网络控制模型。其次，提出一种高效的动画角色－颗粒介质的交互模型，结合颗粒介质的运动仿真方法，实现动画角色在颗粒介质环境下完整的仿真流程。最后，拟利用深度强化学习的方法，解决在缺乏训练数据的前提下神经网络控制模型的参数优化问题。本项目的研究成果将进一步推动在复杂环境下的动画角色运动仿真领域研究，并为动画、游戏、虚拟现实等领域提供理论和技术支持。

本项目的出发点则是深入研究动画角色与颗粒介质的相互作用对于动画角色运动的影响，以及如何在这种影响下保持动画角色的稳定、自然的运动。颗粒介质（例如沙地）普遍存在于自然环境中，其同时具有固体的不可压缩性和液体的可流动性。现有工作主要集中在动画角色和颗粒介质的运动仿真这两个独立领域，而较少工作研究动画角色在颗粒介质环境下的运动。首先，本项目建立基于神经－肌肉－骨骼的动画角色运动仿真模型，模拟真实生物的运动机理；特别是针对颗粒介质环境下不连续产生、非均匀分布的信号输入，建立由多层的神经元组合而成的神经网络控制模型。其次，提出一种高效的动画角色－颗粒介质的交互模型，结合颗粒介质的运动仿真方法，实现动画角色在颗粒介质环境下完整的仿真流程。最后，利用深度强化学习的方法，解决在缺乏训练数据的前提下神经网络控制模型的参数优化问题。在动画电影、游戏制作、虚拟现实等领域，实现动画角色在颗粒介质环境下的运动具有实际的行业需求。本项目的研究成果将为相关领域的实际应用提供理论和技术支持。在国内外重要期刊及会议上发表高水平 SCI/EI 论文12 篇， 包括在影响力较大的 (比如 CCF B 类及以上) 期刊或会议上发表学术论文 6篇，授权发明专利 4 项，协助培养博士3名、 硕士研究生 3 名。项目整体进度及预算均按计划执行。在青年基金的资助下，负责人以考核优秀的成绩从厦门大学计算机科学与技术博士后流动站出站，并入职厦门大学软件学院。在后续研究中，申请人获得了中国计算机学会-腾讯犀牛鸟基金等资助。