Identification de modèles physiques et de contrôleurs en animation

Physical model and controller identification in animation

• Auteur / Autrice : Bogdan Stanciulescu
• Direction : Jean-Loup Florens
• Type : Thèse de doctorat
• Discipline(s) : Imagerie, vision, robotique
• Date : Soutenance en 2002
• Etablissement(s) : Grenoble INPG

Résumé

Les modèles à base de particules et de liaisons sont bien adaptés aux simulations du mouvement sur ordinateur, notamment en synthèse d'images animées. Une limitation pratique provient de l'utilisation de liaisons purement visco-élastiques qui restreint la classe des mouvements autorisés aux comportements passifs et énergétiquement dissipatifs. Un autre point dur de la mise en œuvre de ces modèles est la méthode de construction et d'identification garantissant le réalisme des comportements synthétisés. L'objet principal de cette thèse est d'élargir le domaine d'applicabilité des modèles masses-liaisons par l'introduction de la motricité. Pour cela, nous avons introduit deux variantes de liaisons actives ('' muscles. ) dont nous étudions les caractéristiques, leurs liens avec le TGR (Transducteur Gestuel Rétroactif) de l'ACROE et la proprioception musculaire. Le premier type de muscle se caractérise par un système de contrôle central conçu comme un système physique indépendant, et une structure de quadripôle. Ce concept est testé dans une application de suivi de cible par un mobile, où une boucle visio-motrice connecte un mobile au contrôleur central. Le deuxième type de muscle utilise un contrôle local neuronal. L'identification des systèmes masses-liaisons contenant des muscles de l'un ou l'autre type s'effectue par un algorithme d'évolution artificielle qui optimise les paramètres de contrôle ainsi que les paramètres mécaniques. Elle consiste à ajuster le modèle en minimisant une distance mathématique entre le comportement de référence et le comportement synthétisé par le modèle ; des caractéristiques auto-adaptives permettent de limiter la part d'intervention de l'utilisateur dans l'identification via l'automatisation du choix de certains paramètres de la stratégie d'évolution. La méthode a été testée sur des données cinématiques de synthèse et des données réelles.