Learning Physics-Based Motion Style with Nonlinear Inverse Optimization

[source] siggraph

[year] 2005

 

再次看的时候,才发现原来是05年的文章,05年人们已经在研究逆向优化这种东西了,这与08年时候IRL的文章思路是类似的。

IO问的问题是我让什么最优化了?

IRL问:估值函数是什么?

而本文针对动作风格,还要考虑其它方面。

风格:

各种证据

归为对关节的偏爱

 

相关工作

Robot Controller Simulation

Spacetime constraints framework

     Nonlinear

     对high-energy有效,对low-energy走样了!!

Learn simple models of style from examples

 

Overview

    把locomotion通过认为是一个在约束C下的能量最优的过程。计算新动作X时,优化E(X;\theta),其中\theta表示各种风格参数

 

 

Motion Dynamics

   Lagrangian Equation of motion

   公式1,左边可得,右边含若干项: muscle , gravity, passive spring, dampers, ground contact, shoe spring

    passive joint force是其中比较麻烦的

    Environment Constrain Forces: Coulomb’s Friction model

最终可以求出肌肉力

Motion Synthesis by minimizing muscle usage

    表示为公式12,其中各参数为IO所求

    再考虑物理真实性,为公式13

    再考虑约束,为公式14

 

 

NIO

    使观察最优与目标所求最优间接近

    成为优化问题

 

 

 

 

仍是变为优化问题,尽管原问题为IO, 手段就那么多,关键在于问题是什么,解决结果如何

 

 

待考证:

能否在设计控制器时,即把动作风格考虑进去?

学习动作风格

posted @ 2011-06-08 15:51  justin_s  阅读(374)  评论(0编辑  收藏  举报