跳到正文
arXiv cs.AI· Jiqing Wen, Qixuan Shi, Robert LiKamWa, Pavan Turaga·· 10 小时前AI 评分25

面向 VR 格斗游戏的武术动作技能学习框架

Learning Martial Arts Motion Skills for Animating Opponents in VR Sparring Games

AI 导读

研究者提出一套武术动作技能学习框架,用于在 VR 格斗游戏中为虚拟对手生成动画。团队受 Tang Soo Do 启发采集了包含攻防技法、技法组合与过渡及情境对练变化的动作捕捉数据集,先用带对抗风格奖励的强化学习预训练可复用的武术动作技能库,再用任务特定奖励适配目标导向出拳与威胁感知闪避。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:在游戏开发中,为虚拟对手制作动画是一项重要但具有挑战性的任务。在武术游戏中,对手的动作不仅要在物理上合理,还必须展现出恰当的技术、时机、过渡以及目标导向的意图。传统游戏动画通常依赖手工制作的动画片段、状态机过渡和程序化调整,这可能耗费大量人力,并可能限制非玩家角色的行为多样性。本文提出了一个用于虚拟对打游戏中角色动画的武术动作技能学习框架。受唐手道启发,我们收集了一个武术动作捕捉数据集,其中包含孤立的进攻和防守技术、技术组合与过渡,以及情境化的对打变化。我们首先使用带有对抗性风格奖励的强化学习(RL),从采集的数据中预训练了一套可复用的武术动作技能库,然后使用针对目标导向击打和威胁感知闪避的任务特定奖励对这些技能进行适配。我们通过用户研究评估了学习策略生成的动作,参与者评估了这些动作的物理合理性、流畅性和武术形态。为了展示其在交互式游戏中的适用性,我们为 Meta Quest 头显开发了一个 VR 对打原型。该原型将策略生成的动作片段与轻量级基于状态的控制相结合,以支持交互式对手行为。总之,这些发现支持了将学习到的武术技能库作为 VR 对打游戏中对手动画动作基础的可行性。
学科: 人机交互(cs.HC);人工智能(cs.AI);多媒体(cs.MM);机器人学(cs.RO)
引用为: arXiv:2611.23825 [cs.HC]
  (或 arXiv:2611.23825v1 [cs.HC] 为此版本)
  https://doi.org/10.48550/arXiv.2611.23825

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Jiqing Wen [查看电子邮件]
[v1] 2026年11月18日星期三 04:26:30 UTC(14,914 KB)

来源:arXiv cs.AI · arxiv.org