科研团队利用机器学习技术提升运动模拟技术

　　本文概要:

　　1. 研究团队利用机器学习系统从广播视频中学习网球技能，实现了真实的动作模拟。

　　2. 他们使用物理模拟和动作规划策略来指导角色的运动，并能够生成稳定的控制器。

　　3. 这项技术有望扩展到其他运动领域，并为机器人学习提供方法。

　　西蒙弗雷泽大学的研究人员正在开发一种新的运动模拟技术，通过学习现实运动员的视频来生成虚拟角色的真实动作。他们的研究重点是网球，但他们认为这项技术未来可以扩展到其他运动领域。

　　该团队使用了机器学习系统，从大量广播视频中学习网球技能，并将学习到的动作模拟为稳定的控制器。这个系统结合了物理模拟和动作规划策略，能够准确地模拟球拍击球、发球、旋球等各种网球动作。

　　他们还开发了一个基于物理模拟的纠正系统，用来修正从广播视频中提取出的低质量动作。

　　通过这项技术，游戏设计师可以让他们的角色通过模仿现实运动员的镜头来学习移动，并自动生成新的变化和动态响应行为。此外，研究人员还计划将这项技术应用于机器人学习，让机器人通过分析视频来学习技能。尽管目前该系统只限于网球，但他们认为将来可以扩展到篮球、曲棍球和足球等其他运动。

　　这项研究的成果将于8月6日至10日在洛杉矶举行的 SIGGRAPH 会议上展示，并已发表了相关研究论文。这一技术的推出将为虚拟运动员的动作提供更多的真实感，提高运动模拟技术的水平。