-
公开(公告)号：CN106504267B
公开(公告)日：2019-05-17
申请号：CN201610911967.4
申请日：2016-10-19
Applicant: 东南大学
IPC: G06T7/246
Abstract: 本发明公开了一种虚拟人运动数据关键帧抽取的方法，本方法包含以下步骤：将虚拟人原始多维关节运动数据量化为一个一维数据序列；用获得的一维数据中包含的运动活性信息确定初始关键帧集合；优化初始关键帧集合中的关键帧为最优关键帧。本发明提出的虚拟人运动数据关键帧抽取方法采用运动数据分析与优化相结合的方法，能够由原始运动数据快速合理的抽取出尽量少的关键帧。在虚拟人动画中，用关键帧进行运动合成编辑或由关键帧处的数据插值获得的重构运动序列都有较好的表现。
-
公开(公告)号：CN108803615A
公开(公告)日：2018-11-13
申请号：CN201810727033.4
申请日：2018-07-03
Applicant: 东南大学
IPC: G05D1/02
CPC classification number: G05D1/0221 , G05D1/0276
Abstract: 本发明公开了基于深度强化学习的虚拟人未知环境导航算法。所述算法通过以下方式实现：首先对虚拟人可感知区域的环境状态、虚拟人状态、起始点信息、目标点信息和行为进行表达，然后构建基于Actor‑Critic框架的深度强化学习结构，最后Actor根据当前环境状态选择合适动作，并通过Critic给出的评价不断进行训练学习，从而获取最优控制策略，使得虚拟人能够成功躲避障碍物，顺利到达目标点。本发明提出的基于深度强化学习的虚拟人未知环境导航算法不仅具有较好的逼真性和较强的通用性，还体现了人类对未知环境的自学习能力。
-
公开(公告)号：CN106504267A
公开(公告)日：2017-03-15
申请号：CN201610911967.4
申请日：2016-10-19
Applicant: 东南大学
IPC: G06T7/20
CPC classification number: G06T2207/10016
Abstract: 本发明公开了一种虚拟人运动数据关键帧抽取的方法，本方法包含以下步骤：将虚拟人原始多维关节运动数据量化为一个一维数据序列；用获得的一维数据中包含的运动活性信息确定初始关键帧集合；优化初始关键帧集合中的关键帧为最优关键帧。本发明提出的虚拟人运动数据关键帧抽取方法采用运动数据分析与优化相结合的方法，能够由原始运动数据快速合理的抽取出尽量少的关键帧。在虚拟人动画中，用关键帧进行运动合成编辑或由关键帧处的数据插值获得的重构运动序列都有较好的表现。
-
公开(公告)号：CN108803615B
公开(公告)日：2021-03-23
申请号：CN201810727033.4
申请日：2018-07-03
Applicant: 东南大学
IPC: G05D1/02
Abstract: 本发明公开了基于深度强化学习的虚拟人未知环境导航算法。所述算法通过以下方式实现：首先对虚拟人可感知区域的环境状态、虚拟人状态、起始点信息、目标点信息和行为进行表达，然后构建基于Actor‑Critic框架的深度强化学习结构，最后Actor根据当前环境状态选择合适动作，并通过Critic给出的评价不断进行训练学习，从而获取最优控制策略，使得虚拟人能够成功躲避障碍物，顺利到达目标点。本发明提出的基于深度强化学习的虚拟人未知环境导航算法不仅具有较好的逼真性和较强的通用性，还体现了人类对未知环境的自学习能力。
-
-
-
Search Results
4
records
(took 0.018 seconds)
