Neues KI-Framework erlaubt übertriebene Bewegungen in physikbasierter Animation

In der Welt der computergestützten Animationen hat die physikbasierte Bewegungsgenerierung einen festen Platz eingenommen. Durch den Einsatz von Deep Reinforcement Learning (DRL) lassen sich mittlerweile komplexe, realistische Fähigkeiten erzeugen – doch wenn es um übertriebene, stilisierte Aktionen wie plötzliche Dashes oder Luftwechsel geht, stoßen die aktuellen Methoden an ihre Grenzen.

Der Grund liegt in der Modellierung der Figuren als unteractuierte, schwebende Basissysteme. Hier bestimmen interne Gelenkkräfte und die Erhaltung des Impulses die Bewegung strikt. Versuche, solche dynamisch unmöglichen Manöver über externe Kräfte zu erzwingen, führen zu instabilen Trainingsläufen: plötzliche Geschwindigkeitssprünge erzeugen spärliche, hochintensive Kraftspitzen, die die Lernpolitik zum Stillstand bringen.

Die neue Methode, Assistive Impulse Neural Control, löst dieses Problem, indem sie die externe Unterstützung nicht mehr in Kraft, sondern in Impulsraum überführt. Dabei wird die Assistenz in zwei Teile zerlegt: ein analytischer Hochfrequenzkomponente, die aus der Inversen Dynamik abgeleitet wird, und ein lernbarer Tiefenkomponente, die als Residualkorrektur dient und von einer hybriden neuronalen Politik gesteuert wird.

Durch diese Kombination gelingt es, hochagile, dynamisch unmögliche Bewegungen zuverlässig nachzuverfolgen – ein Meilenstein, der bisher für physikbasierte Animationen unerreichbar war. Die Technik eröffnet neue Möglichkeiten für realistische, aber gleichzeitig stilisierte Animationen in Film, Gaming und virtueller Realität.