基于动力学的角色驱动方法概览

✅ 本章定位：理解如何通过力/力矩驱动角色，生成符合物理规律的动画。

💡 运动学 vs 动力学 的详细对比参见 Introduction

本章知识框架

mindmap
基于动力学的角色驱动
   角色动力学
      仿真
      动力学基础
      关节约束
      接触
   PD 控制
      PD 控制
      PID 控制
      欠驱动问题
   轨迹优化
      优化方法
      数值计算方法
      强化学习方法
   角色控制
      传统方法
      数值方法
      强化学习

✅ 物理方法的难点： ✅ (1) 仿真：在计算机中模拟出真实世界的运行方式。 ✅ (2) 控制：生成角色的动作，来做出响应。 ✅ 角色物理动画通常不关心仿真怎么实现。 ✅ 但也可以把仿真当成白盒，用模型的方法来实现。

动力学方法的四个核心模块

理解动力学方法的四个核心模块：

┌─────────────────────────────────────────────────────────────┐
│  仿真器 (Simulation)                                        │
│  输入：力/力矩 → 输出：新状态                                │
│  核心：Mv̇ + C = f + Jᵀλ                                    │
├─────────────────────────────────────────────────────────────┤
│  底层执行 (PD Control)                                      │
│  输入：目标状态 → 输出：关节力矩 τ                            │
│  核心：τ = k_p(q* - q) + k_d(q̇* - q̇)                       │
├─────────────────────────────────────────────────────────────┤
│  中层策略 (Trajectory/Policy Generation)                    │
│  输入：任务指令 → 输出：目标轨迹/策略                         │
│  ① 轨迹优化：有参考轨迹 (CMA-ES/SAMCON)                     │
│  ② 角色控制：无参考轨迹 (ZMP/IPM/SIMBICON)                  │
│  ③ 强化学习：DeepMimic/AMP/ASE                              │
├─────────────────────────────────────────────────────────────┤
│  高层规划 (Task Planning)                                   │
│  输入：用户意图 → 输出：任务序列                              │
│  方法：有限状态机、行为树                                    │
└─────────────────────────────────────────────────────────────┘

四个模块的关系：

高层规划 → 任务指令
    ↓
中层策略 → 目标轨迹 q*, q̇*  (轨迹优化/角色控制/RL)
    ↓
底层执行 → 关节力矩 τ
    ↓
仿真器 → 新状态

本章子章节：