[发明专利]一种动画实现方法、装置、电子设备和存储介质

权利要求书

1.一种动画实现方法，其特征在于，所述方法包括：

获得目标动画片段T0，所述目标动画片段T0中包括第一关键帧，所述第一关键帧中包括目标虚拟角色的初始姿态数据；

获取所述目标虚拟角色在所述第一关键帧中的状态信息，所述状态信息包括目标虚拟角色的当前相位数据、当前姿态数据、当前速度数据和历史姿态序列；其中，所述当前相位数据用于表征所述目标虚拟角色在所述第一关键帧中所处的阶段，所述当前姿态数据用于表征所述目标虚拟角色当前的姿态，所述当前速度数据用于表征所述目标虚拟角色当前的速度状态，所述历史姿态序列用于表征所述目标虚拟角色在历史时间段内的姿态；

将所述状态信息和设定的目标任务输入已训练的控制策略网络，获得所述控制策略网络输出的所述目标虚拟角色的目标姿态数据；

根据所述目标虚拟角色的初始姿态数据和目标姿态数据，调整所述目标虚拟角色的N个关节的力矩；N为大于或者等于1的正整数；

利用所述N个关节的力矩，将所述目标虚拟角色由初始姿态调整至目标姿态，得到第二关键帧；

获取目标动画片段T1，所述目标动画片段T1由至少所述第一关键帧以及所述第二关键帧组成。

2.根据权利要求1所述的方法，其特征在于，所述第一关键帧与所述第二关键帧之间包括M个固定帧；

所述利用所述N个关节的力矩，将所述目标虚拟角色由初始姿态调整至目标姿态，得到第二关键帧，包括：

利用所述N个关节的力矩，将所述目标虚拟角色由初始姿态调整至目标姿态，得到所述第一关键帧与所述第二关键帧之间的固定帧以及所述第二关键帧；

所述目标动画片段T1由至少所述第一关键帧、所述M个固定帧以及所述第二关键帧组成。

3.根据权利要求1所述的方法，其特征在于，所述控制策略网络是根据参考动画片段训练得到的，所述参考动画片段包含参考虚拟角色完成所述目标任务的参考姿态序列。

4.根据权利要求1所述的方法，其特征在于，所述第二关键帧中所述目标虚拟角色的目标姿态数据通过以下方式获取：

获取所述目标虚拟角色在所述第一关键帧中的状态信息和所述目标虚拟角色所处的场景环境的环境信息；

将所述目标虚拟角色在所述第一关键帧中的状态信息、所述目标任务和所述目标虚拟角色所处的场景环境的环境信息输入控制策略网络，获得所述控制策略网络输出的所述目标虚拟角色的目标姿态数据；所述控制策略网络是根据参考动画片段训练得到的，所述参考动画片段包含参考虚拟角色完成所述目标任务的参考姿态序列。

5.根据权利要求3或4所述的方法，其特征在于，所述控制策略网络的训练过程，包括：

将样本动画片段中训练虚拟对象在当前时刻的状态信息和设定的训练任务输入控制策略网络，得到控制策略网络输出的下一时刻的所述训练虚拟对象的姿态数据；每一时刻对应一关键帧动画；

将训练虚拟对象在当前时刻的状态信息和设定的训练任务输入价值评估网络，得到价值评估网络输出的当前时刻的状态价值；所述价值评估网络是根据所述参考动画片段训练得到的；

根据所述状态价值调整所述控制策略网络的参数并对调整参数后的控制策略网络继续进行训练，直至达到设定的训练结束条件为止，得到已训练的控制策略网络。

6.根据权利要求5所述的方法，其特征在于，所述价值评估网络的训练过程，包括：

根据所述训练虚拟对象和参考动画片段中参考虚拟角色在下一时刻的状态信息及设定的训练任务，确定所述训练虚拟对象当前时刻的即时奖励值；

根据样本动画片段中每个时刻所述训练虚拟对象的即时奖励值和状态价值，确定所述训练虚拟对象的期望奖励值；

根据所述期望奖励值调整所述价值评估网络的参数并对调整参数后的价值评估网络继续进行训练，直至达到设定的训练结束条件为止，得到已训练的价值评估网络。