http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
이세영(Seyoung Lee),이선민(Sunmin Lee),이용우(Yongwoo Lee),이제희(Jehee Lee) 한국컴퓨터그래픽스학회 2021 한국컴퓨터그래픽스학회 학술대회 Vol.2021 No.7
우리는 단일 모션 클립에서 매개 변수화된 모션 집단을 학습하는 새로운 알고리즘을 제시한다. 각 동작은 심층정책 네트워크로 표현되며, 연속적인 동작 공간을 탐색하여 사용자 입력 및 환경 상호 작용에 대응하여 물리 시뮬레이션 상에서 모션을 생성한다. 모션 매개 변수화와 동작 추적의 동시 학습은 학습된 모터 기술의 성능과 시각적 품질을 크게 향상시킨다. 우리는 매우 역동적인 동작들을 작업 목표, 신체 비율, 물리적 수치 및 환경 조건에 대해 매개 변수화하여서 알고리즘의 유연성을 입증했다.
물리적인 상호작용을 위한 유연한 휴머노이드 제어와 시뮬레이션
이승환(Seunghwan Lee),이제희(Jehee Lee) 한국컴퓨터그래픽스학회 2021 한국컴퓨터그래픽스학회 학술대회 Vol.2021 No.7
사람은 주변환경과 물리적인 상호작용을 한다. 주변환경이 바뀌면 사람은 유연하게 반응하며 움직인다. 이 초록에서는 주변환경과 상호작용할 때에 유연하게 움직이는 동작 제어 시뮬레이션 프레임워크를 제안한다. 최근 강화학습에 기반한 모방 학습은 물리기반 캐릭터 애니메이션에서 효과적인 방법론으로 떠오르고 있다. 내부에 존재하는 미분-비례제어와 고정된 참조 모션의 사용은 제어 정책이 딱딱하게 학습되게 한다. 이 딱딱한 정책은 물리적인 상호작용에서 특히 치명적으로 작용한다. 우리는 적대적 모방학습과 변형가능한 참조모션 모델을 사용하여 유연하게 움직일 수 있는 프레임워크를 디자인하였다. 우리는 사람이 행동하는 다양한 상호작용에서 유연한 정책 모델이 효과적임을 증명하고자 한다.