● 摘要
随着虚拟现实技术的革新与发展，虚拟角色运动控制技术在诸如电子游戏、三维动画制作、体育训练等诸多方面都有着广泛的应用。在运动控制领域，根据控制采用的模型不同，可分为基于统计模型的控制、基于物理模型的控制方法等。随着运动捕获设备的的不断成熟和实用化，获取大量真实感运动数据成为可能。在运动捕获数据基础上建立统计生成模型的方法也层出不穷。然而，要实现运动控制，不仅需要一个强大的生成模型，更需要优质的运动控制策略以实现的运动控制的目标。因而，近年来设计实现有效的运动控制器，完成实时控制任务成为计算机图形学与计算机动画领域的研究热点之一。
本文以国家自然科学基金“基于时变数据理解的交互式虚拟角色控制方法的研究”为背景，以提高已有运动数据利用率为出发点，以设计实现可靠运动控制策略为着眼点，对基于统计生成模型的运动控制方法进行了研究。利用局部保持高斯过程隐变量模型对运动数据建模构建出了具有优质流形，克服传统模型缺陷的生成模型，同时实现了丰富运动数据的目标。此外，本文结合马尔科夫决策过程对低维空间中的变量实施控制策略，并对可能影响控制性能的环节进行优化，最终实现了对虚拟角色的有效控制。具体研究内容如下：
（1） 基于局部保持的生成模型构建
传统的高斯过程隐变量模型能够对运动数据进行建模，降低数据维度，得到的模型能够保证原始数据差异较大的点在低维流形上分布较远，反之则不然。而这一缺陷将影响我们的控制策略，因为保持数据的邻近关系这一特性将有利于我们在局部领域搜索到相近姿态进而完成控制过程中后续序列的选取问题。为此，本文在传统模型基础上结合局部保持投影方法，解决了上述问题并得到了更为优秀的低维流形，进而为后续运动控制策略的提出与实施奠定了基础。
（2） 基于马尔科夫决策过程的运动控制
运动控制是以任务为导向，因此如何定义控制任务是首先需要明确的问题。其次，为丰富可供控制决策的数据点，需要丰富、扩展运动数据样本。在前两者基础上，如何选取控制策略，充分利用生成模型的生成能力及其构建的动态映射实施控制则是研究的核心内容。本文采用了马尔科夫决策过程作为控制策略，结合生成模型的动态映射成功实现了虚拟角色的运动控制。并对该方法所带来的问题进行分析，提出了对应的解决方案。
最后，本文基于以上两个研究内容，实现了一种基于生成模型的虚拟角色运动控制工具。该工具融合了基于运动捕获数据的生成模型构建模块、基于马尔科夫决策过程的运动控制模块，实现了对虚拟角色运动的实时控制。