论文部分内容阅读
虚拟人(virtual human或computer synthesized characters)是人在计算机生成的空间(虚拟环境)中的几何特性与行为特性的表示。要实现人在三维虚拟环境中的准确再现,不仅要模拟人体外观,而且要有逼真的运动模拟。但人体具有200个以上的自由度,能够完成非常复杂的运动,如何模拟这种运动是虚拟人技术的主要研究目标之一。从早期的关键帧运动控制方法,到基于动力学的运动控制,人们提出了各种各样的虚拟人运动控制方法。尽管这些运动控制方法各有特点,但没有一种是很完善的,究其原因在于,人类的行为不仅仅是简单的机械行为,它更包含了丰富的情感因素,为此本文提出了将情感计算、人工神经网络和虚拟人相结合的新方法,提出虚拟人情感计算模型,使虚拟人具有情感和自我学习能力。文章介绍了作者在这些方面的工作以及取得的进展,具体内容如下:虚拟人的运动控制包括底层运动和高层运动控制两个层面,底层的运动控制技术已经十分成熟,本文在考察了各种底层控制技术之后,结合虚拟人的身体建模和VRML技术特点,采用关键帧控制技术进行底层运动控制。对于高层运动控制,本文重点研究了路径规划技术,在已有的最短切线算法理论之上提出自己的切线方程,并对算法进行了改进。情感计算(Affective Computing)就是要赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力,最终使计算机像人一样能进行自然、亲切和生动的交互。本文把情感计算引进智能虚拟人中,使虚拟人的运动行为更加人性化、智能化。通过对虚拟人实时的内部状态(包括情感状态)的判断,对虚拟人的动作的选择产生影响,不同的内部状态会导致选择不同的动作行为。人工神经网络是最近智能虚拟人研究的一个热点问题,本文把人工神经网络引入到对虚拟人的行为训练中,使虚拟人通过人工神经网络的训练,逐渐具有自主的学习的能力,可以作出简单的逻辑判断,使虚拟人的行为选择更加智能化。