Predictive control is indispensable in human locomotion, in particular, locomotion steering and balance recovery. Humans perform prediction fast so as to move as intended as well as to respond to an unexpected external perturbation or environmental change on the fly. However, it is challenging in physics-based animation to make prediction as fast as humans do so that a realistic motion can be synthesized in real time according to an on-line user input. The main difficulty in on-line real-time motion control arises from the complexity and high dimensionality of the dynamics for a full-body character. In this thesis, we present an on-line real-time physics-based approach to motion control with contact repositioning based on a low-dimensional dynamics model using example motion data. Our approach first generates a reference motion in run time according to an on-line user request by transforming an example motion extracted from a motion library. Our motion transformation method exploits biomechanical observations to improve the quality of the reference motion. Guided by the reference motion, it repeatedly generates an optimal control policy for a small time window one at a time for a sequence of partially overlapping windows, each covering a couple of footsteps of the reference motion, which supports an on-line performance. On top of this, our system dynamics and problem formulation allow to derive closed-form derivative functions by exploiting the low-dimensional dynamics model together with example motion data. These derivative functions and their sparse structures facilitate a real-time performance. Our approach also allows contact foot repositioning so as to robustly respond to an external perturbation or an environmental change as well as to perform locomotion tasks such as stepping on stones effectively.
예측에 의한 제어는 사람의 보행에 있어서 필수적이다. 특히, 보행의 방향과 속도를 조절하거나 보행의 균형을 회복하는데 있어서 중요한 역할을 한다. 사람은 예측을 빠르게 수행하여 즉각적으로 자신이 의도하는 대로 움직이고 외력이나 환경의 변화에 안정적으로 반응한다. 하지만 물리 기반 캐릭터 애니메이션에서 사람만큼 빠르게 예측을 수행하여 온라인으로 주어지는 사용자 입력에 따라 사실적인 동작을 실시간에 합성하는 것은 매우 어려운 문제이다. 온라인 실시간 동작 제어에 있어서 주요 어려움은 전신(full-body) 캐릭터 동작에 대한 동역학의 복잡성과 고차원성으로부터 온다. 본 박사학위논문은 예제 데이터와 저차원 동역학 모델에 기반하여 동작을 효율적으로 제어하기 위한 온라인 실시간 물리 기반 접근방법을 제안한다. 제안된 접근방법은 먼저 실행시간에 온라인 사용자 입력에 따라 동작 라이브러리로부터 추출된 예제 동작을 변형하여 참조 동작을 생성한다. 본 논문은 생체역학 관찰을 이용하여 참조 동작의 품질을 향상시킨다. 생성된 참조 동작을 활용하여, 참조 동작의 두세 걸음에 해당하는 시간 윈도우를 시간 축에 따라 이동시키면서 그 시간 윈도우에 대한 최적 제어 정책을 저차원 동역학 모델에 기반하여 반복적으로 생성한다. 이렇게 반복적인 최적 제어 정책의 생성은 온라인 성능을 지원한다. 저차원 동역학 모델과 동작 데이터에 기반한 궤적 최적화 문제의 정형화는 닫힌 형식의(closed-form) 도함수들을 유도할 수 있게 해주며 이 도함수들과 이들의 성긴 구조는 실시간 성능이 가능하게 해준다. 또한 본 논문에서 제안하는 방법은 지면과 접촉하는 발의 위치를 예측에 기반하여 재설정 할 수 있기 때문에 외력에 강인하게 반응할 수 있으며 디딤돌 밟기와 같은 보행 태스크를 효과적으로 수행할 수 있다.
