earticle

영어

In animation, it is necessary to modify the animation to align with the position and rotation of external objects, as animations operate according to given keyframes. This paper proposes a method to generate animations using synthesis data from existing animations and to learn environment-optimized animations through interactions with objects. The agent learning the animation observes the state of the object and synthesis motions from given animations to perform various actions, receiving rewards based on the degree of goal achievement. We design a function to calculate the weight of motion synthesis during the agent's actions and incorporate a rotation angle clamping interpolation function and a reward system to ensure that the generated animations closely resemble human movements. The reinforcement learning-based animation generation technique using motion synthesis data is found to generate animations interacting with changing objects with less training than traditional reinforcement learning-based methods.

한국어

애니메이션은 주어진 키프레임(key frame)에 맞춰 움직이기 때문에, 외부 객체(object)와 상호작용하기 위해서는 객체의 위치와 방향에 맞춰서 애니메이션을 변환해야 한다. 이 논문에서는 기존 애니메이션을 합성한 데이터로 애니 메이션을 생성하고, 생성한 애니메이션으로 객체와의 상호작용을 학습하여 환경에 최적화된 애니메이션을 생성하는 방법을 제안한다. 애니메이션을 학습하는 에이전트(agent)는 개체의 상태를 관찰하고 주어진 애니메이션들의 움직 임을 합성하여 다양한 행동을 만들어내고 목적을 달성한 정도에 따라 보상을 받는다. 우리는 에이전트가 행동하는 과정에서 모션 합성 비율에 대한 가중치를 계산하는 함수를 설계하고, 생성되는 애니메이션이 사람이 취할 수 있는 동작에 가깝도록 회전 각도 clamping 보간 함수와 보상 시스템을 설계하여 반영하였다. 모션 합성 데이터를 활용 한 강화학습 기반 애니메이션 생성 기법은 객체의 변화에 반응하는 애니메이션을 기존 강화학습 기반 기법보다 적은 학습량으로 생성할 수 있음을 확인했다.