Modélisation et apprentissage de synergies pour le contrôle du mouvement de personnages virtuels : application au geste d’atteinte de cible
Institution:
BrestDisciplines:
Directors:
Abstract EN:
This thesis takes place in the field of motion control for virtual humans using captured motions to enhance realism. In this context, this thesis proposes to model synergies in a motion controller to reproduce some features of reaching motions performed by humans. A synergy is composed of a group of entities working together to reach a common goal. Parameters are used to represent characteristics of each motion. A machine learning technique is proposed to find parameter values from a sample motion. Experiments have been carried out to compare several synergy models and learning heuristics to select the best compromise between modal complexity, motion quality and learning rapidity. The analysis of synthesized motion demonstrates the possibility to reproduce temporal dynamics of motion and joint trajectory. The last contribution of this work is a method used to classify synergies. Obtained result links initial posture of motion and position of the target to parameters representing the synergy. Then, those parameters are used to analyze synergies and to extrapolate derived parameters to synthesize new motions. These results may be applied to study particular motions such as motions of disabled persons and the whole approach might be extended to new kind of motions.
Abstract FR:
Cette thèse s’inscrit dans le courant des modèles de synthèse de mouvements pour des personnages virtuels utilisant des données capturées pour améliorer le réalisme. Notre proposition est de modéliser la notion de synergie pour reproduire certaines caractéristiques des mouvements du bras pour atteindre une cible, une synergie est formée lorsque différentes entités collaborent pour atteindre un objectif commun. Dans le modèle, les spécificités propres à chaque mouvement sont représentées par des paramètres. Une méthode d’apprentissage permet d’ajuster les valeurs de ces paramètres afin d’obtenir les mouvements synthétisés les plus proches possible de ceux capturés. Les expériences réalisées comparent différents modèles de synergies et différentes heuristiques d’apprentissage afin de trouver le meilleur compromis entre complexité du modèle, qualité du résultat et rapidité d’apprentissage. L’étude de caractéristiques des mouvements synthétisés montre la possibilité de reproduire la dynamique du mouvement et les trajectoires des articulations. Finalement, un mécanisme de classification des synergies est proposé. Le résultat obtenu représente les liens entre les conditions de réalisation du mouvement et les différentes synergies mises en oeuvre par un sujet. Ces liens sont exploités pour l’analyse et l’extrapolation des synergies d’un sujet. Les perspectives de ce travail concernent d’une part l’extension de ce modèle à d’autres types de gestes, et d’autres part son exploitation pour l’analyse des synergies de sujets particuliers, par exemple pour des personnes possédant des handicaps moteurs.