Physically-based motion synthesis using Monte Carlo optimization

Abstract

Character animation is an important tool for creating expressive media both in film and in video game industries. Traditionally, animation is manually crafted by skilful artists who specify how the characters move over time. This is a laborious, expensive process. Additionally, the use of premade animations is limited -new motions, characters or environments require new animation data. This is a problem in interactive applications where dynamic events create complex interactions between different characters and objects; changes in the environment might render a premade animation useless. Motion synthesis refers to algorithmically creating animation by generating meaningful motion according to user-specified objectives. Physically-based synthesis uses the laws of physics as constraints in order to create physically valid motion. An interesting approach is to model motion synthesis as a mathematical optimization problem, and solve for it using known algorithms; this results in constrained non-convex optimization, where constraints include laws of physics and user-defined constraints, and the objective function describes the style of motion. This thesis presents a framework for a novel approach in physically-based motion synthesis using model-predictive control and online optimization by utilizing temporal coherence and stochastic sampling to enable synthesis of complex motion at interactive frame rates.

Hahmoanimaatio on tärkeä työkalu ilmaisuvoimaisen median luomiseen sekä elokuva- että peliteollisuudessa. Perinteisesti, animaattorit luovat animaatiota käsin määrittelemällä miten hahmot liikkuvat ajan kuluessa. Tämä on työläs ja kallis prosessi. Ennalta tallennetun animaation hyötykäyttö on myös rajallista - uudet liikkeet, hahmot tai ympäristöt vaativat uutta animaatiodataa. Tämä on ongelma erityisesti interaktiivisissa sovelluksissa, joissa dynaamiset tapahtumaketjut luovat monimutkaisia interaktioita erilaisten hahmojen ja esineiden kesken; muutokset ympäristössä saattavat tehdä ennalta tallennetun animaation käyttökelvottomaksi. Liikkeen synteesi viittaa animaation tuottamiseen algoritmisesti, luomalla liikettä käyttäjän määrittelemien tavoitteiden mukaan. Fysiikkaan perustuva synteesi käyttää fysiikan lakeja rajoitteina, minkä ansiosta liike on fysikaalisessa mielessä realistista. Mielenkiintoinen lähestymistapa on muotoilla liikkeen synteesi matemaattisena optimointiongelmana, joka voidaan ratkaista käyttäen tunnettuja algoritrneja. Tämä johtaa rajoitettuun ei-konveksiin optimointiin, missä rajoitteina ovat fysiikan lait ja käyttäjän määrittelemät rajoitteet, ja tavoitefunktio määrittelee liikkeen tyylin. Tässä diplomityössä esitellään järjestelmä, joka käyttää uutta lähestymistapaa fysiikkaan perustuvan liikkeen synteesiin hyödyntäen ennakoivaa ohjausta ja reaaliaikaista optimointia. Optimointi hyödyntää ajallista jatkuvuutta ja tilastollista otantaa, joiden ansiosta monimutkaista liikettä voidaan syntetisoida interaktiivisilla ruudun päivitysnopeuksilla.