由育碧蒙特利尔提出、面向游戏运用的、使用深度强化学习与动作匹配的物理动画控制技术「DReCon: Data-Driven Responsive Control of Physics-Based Characters」
SIGGRAPH ASIA 2019 相关技术论文

本研究介绍了为控制物理模拟角色的移动而开发的方法，应用了称为深度强化学习与动作匹配的数据驱动型动画手法。角色能够凭借自身力量完整移动、保持平衡，并实现与环境相互作用的真实模拟。此外，考虑到游戏特有的限制，请确认其运行成本非常低，以便在当前硬件上符合实际游戏的性能预算。

对可自平衡的物理模拟人形角色进行交互式控制，一直是实时角色动画领域长期存在的问题。
物理模拟能够保证虚拟世界中的真实交互，但为了维持平衡而执行异常动作时，模拟角色可能会显得不自然。
因此，为了实现对用户控制、运行时性能和多样性的高水平响应，往往不得不牺牲动作质量。
深度强化学习领域的近期研究表明，训练物理模拟角色去跟踪动作捕捉片段，可以获得高质量的跟踪结果。我们提出一种两阶段方法，用于从非结构化动作捕捉数据构建具有响应性的模拟角色控制器。
首先，从移动方向、前进方向、速度、移动风格等数据中交互式指定有意义的特征，并使用动作匹配来驱动实现的运动学角色控制器。
其次，使用强化学习训练一个通用的模拟角色控制器，使其足以跟踪运动学控制器所能生成的整个动作分布。

我们的设计重视对用户输入的响应性、视觉质量，以及视频游戏应用中的低运行时成本。

动作成本总是容易膨胀呢…… 单纯靠动作数量硬撑的时代也正在过去。
希望这种技术能越来越多地被引入。

更多详细信息请访问链接。

链接

DReCon: Data-Driven responsive Control of Physics-Based Characters – Ubisoft Montréal