[发明专利]一种角色控制的方法、模型训练的方法以及相关装置

说明书

本申请公开了一种角色控制的方法，包括：获取目标角色在第一时刻的第一状态信息，其中，目标角色包括M个关节，第一状态信息用于表示M个关节的信息；基于第一状态信息，通过状态预测模型获取目标角色在第二时刻的第一动作信息，第一动作信息用于表示(M‑1)个关节的信息；根据第一动作信息获取第一力矩，其中，第一力矩包括(M‑1)个关节中每个关节在第二时刻下的力矩；基于第一力矩，通过物理引擎控制目标角色执行第一动作。本申请还公开了一种模型训练的方法。本申请能够根据动作信息计算出作用于角色各个关节的力矩，进而在物理引擎中基于力矩对角色进行控制，从而生成逼真的动作序列，提升了角色的动作效果。

技术领域

本申请涉及人工智能领域，尤其涉及一种角色控制的方法、模型训练的方法以及相关装置。

背景技术

随着近几年人工智能的不断发展，强化学习在动作模仿的领域中受到越来越多的关注。将强化学习技术应用于游戏角色的动作生成，将有助于优化游戏开发效率，提升游戏角色的动作效果。

如今，在设计完动画中的角色之后，还需要由动画师给这些角色赋予不同的动作，比如跑步、走路、跳跃以及攻击等动作。动画师需要预先通过动画制作软件设计大量的动画片段。在游戏进行的过程中，可以播放当前场景的动画片段。

然而，动画片段中的角色往往缺乏对真实世界中物理规律的模拟，而且有些动作可能不符合真实情况，比如，命令角色面向墙走，在靠近墙的地方，角色会贴着墙原地踏步。由此导致角色的动作难以达到真实自然的状态，降低了角色的动作效果。

发明内容

本申请实施例提供了一种角色控制的方法、模型训练的方法以及相关装置，能够利用状态预测模型预测得到动作信息，基于逆动力学原理和自动控制方法，根据动作信息计算出作用于角色各个关节的力矩，进而在物理引擎中基于力矩对角色进行控制，从而生成逼真的动作序列，提升了角色的动作效果。

有鉴于此，本申请第一方面提供一种角色控制的方法，包括：

获取目标角色在第一时刻的第一状态信息，其中，所述目标角色包括M个关节，所述第一状态信息用于表示所述M个关节的信息，所述M为大于1的整数；

基于所述第一状态信息，通过状态预测模型获取所述目标角色在第二时刻的第一动作信息，其中，所述第一动作信息用于表示所述(M-1)个关节的信息，所述第二时刻为所述第一时刻的下一个时刻；

根据所述第一动作信息获取第一力矩，其中，所述第一力矩包括所述(M-1)个关节中每个关节在所述第二时刻下的力矩；

基于所述第一力矩，通过物理引擎控制所述目标角色执行第一动作。

本申请第二方面提供一种模型训练的方法，包括：

获取片段集合，其中，所述片段集合包括至少一个片段；

根据所述片段集合获取状态信息集合，其中，所述状态信息集合包括至少一个状态信息；

基于状态信息集合，通过价值评判模型获取状态价值集合，其中，所述状态价值集合包括至少一个状态价值，所述状态价值与所述状态信息具有对应关系；

基于状态信息集合，通过待训练状态预测模型获取动作信息集合，其中，所述动作信息集合包括至少一个动作信息，所述动作信息与所述状态信息具有对应关系；

根据所述状态价值集合以及所述动作信息集合，对所述待训练状态预测模型进行训练，得到状态预测模型。

本申请第三方面提供一种角色控制装置，包括：

获取模块，用于获取目标角色在第一时刻的第一状态信息，其中，所述目标角色包括M个关节，所述第一状态信息用于表示所述M个关节的信息，所述M为大于1的整数；