1 |
1
캐릭터의 눈 포즈에 기초하여 상기 캐릭터의 시점을 결정하는 단계;상기 캐릭터의 시점에 기초하여, 적어도 하나의 객체에 관한 상기 캐릭터의 관측 값 및 관측 노이즈를 결정하는 단계;상기 관측 값 및 상기 관측 노이즈에 기초하여 상기 객체의 상태를 추정하는 단계;추정된 상기 객체의 상태, 상기 캐릭터의 상태 및 상기 캐릭터에 관한 참조 모션에 기초하여 상기 캐릭터의 제어 정책을 생성하는 단계; 및추정된 상기 객체의 상태 및 상기 제어 정책에 기초하여 상기 캐릭터의 상태를 업데이트하는 단계를 포함하고,상기 캐릭터의 상태는상기 캐릭터에 포함된 적어도 하나의 관절의 상태 및 상기 캐릭터의 눈 포즈를 포함하는풀바디 모델링 방법
|
2 |
2
제1항에 있어서,상기 객체의 상태를 추정하는 단계는부분 관측 마코프 의사결정 과정(partially observable markov decision process; POMDP)에 기반하여 객체의 상태를 추정하는 단계를 포함하는풀바디 모델링 방법
|
3 |
3
제1항에 있어서,상기 객체의 상태를 추정하는 단계는상기 적어도 하나의 객체에 관한 관측 값 및 상기 관측 노이즈에 기초하여 상기 객체의 가능한 상태들에 대한 확률 분포에 따른 상기 객체의 신뢰 상태를 정의하는 단계; 및칼만 필터에 기초하여 상기 객체의 신뢰 상태를 업데이트하는 단계를 포함하는풀바디 모델링 방법
|
4 |
4
제3항에 있어서,상기 객체의 신뢰 상태를 업데이트하는 단계는상기 칼만 필터에 따른 전이 행렬에 기초하여 객체의 다음 신뢰 상태를 예측하는 단계; 및상기 객체에 관한 관측 값 및 상기 칼만 필터에 따른 칼만 이득 행렬에 기초하여, 상기 예측된 객체의 다음 신뢰 상태를 보정하는 단계를 포함하는풀바디 모델링 방법
|
5 |
5
제1항에 있어서,상기 눈 포즈는시선 방향을 나타내는 방위각, 고도, 및 초점 거리의 파라미터들 중 적어도 하나를 포함하는풀바디 모델링 방법
|
6 |
6
제5항에 있어서,상기 방위각, 상기 고도 및 상기 초점 거리의 파라미터들 중 적어도 하나는 미리 정해진 범위로 파라미터 값이 제한되는풀바디 모델링 방법
|
7 |
7
제1항에 있어서,상기 제어 정책을 생성하는 단계는제1 시간 스텝에 대응하는 객체의 상태 및 캐릭터의 상태에서 미리 정해진 비용을 고려하여 제1 시간 스텝의 다음 시간 스텝인 제2 시간 스텝에 대응하는 객체의 상태 및 캐릭터의 상태를 결정하는 단계;상기 제2 시간 스텝에 대응하는 캐릭터의 상태에 기초하여, 상기 제1 시간 스텝에 대응하는 캐릭터 제어 벡터를 획득하는 단계; 및미리 정해진 개수의 시간 스텝 각각에 대하여, 상기 캐릭터 제어 벡터를 생성하는 단계를 포함하는풀바디 모델링 방법
|
8 |
8
제7항에 있어서,상기 미리 정해진 비용은상기 참조 모션 및 상기 캐릭터에 포함된 적어도 하나의 관절들의 상태에 따른 비용;상기 캐릭터 제어 벡터에 따른 비용;상기 적어도 하나의 객체의 신뢰 상태에 따른 비용;상기 캐릭터의 눈 포즈에 따른 비용; 및상기 캐릭터가 수행하는 작업의 종류에 따른 비용중 적어도 하나를 포함하는풀바디 모델링 방법
|
9 |
9
제1항에 있어서,상기 제어 정책은상기 캐릭터에 포함된 적어도 하나의 관절의 상태 및 상기 캐릭터의 눈 포즈를 결정하는 캐릭터 제어 벡터를 포함하는풀바디 모델링 방법
|
10 |
10
제1항에 있어서,상기 캐릭터의 시점을 결정하는 단계는상기 캐릭터의 머리 관절의 위치, 상기 캐릭터의 두 눈 사이의 중간 점의 위치, 초점 거리 및 상기 머리 관절과 상기 두 눈 사이의 중간 점의 회전 정도에 기초하여 상기 캐릭터의 시점을 결정하는 단계를 포함하는풀바디 모델링 방법
|
11 |
11
제1항에 있어서,상기 캐릭터의 시점에 기초하여, 적어도 하나의 객체에 관한 상기 캐릭터의 관측 값 및 관측 노이즈를 결정하는 단계는상기 캐릭터의 시점과 상기 객체의 위치에 따른 관측 노이즈를 결정하는 단계; 및상기 객체의 위치 및 상기 관측 노이즈에 기초하여 상기 객체에 관한 상기 캐릭터의 관측 값을 결정하는 단계를 포함하는풀바디 모델링 방법
|
12 |
12
제1항에 있어서,상기 캐릭터의 상태를 시각화하여 풀바디 캐릭터를 모델링하는 단계를 더 포함하는풀바디 모델링 방법
|
13 |
13
제1항에 있어서,상기 관절의 상태는상기 관절의 위치 및 상기 관절의 속도를 포함하는풀바디 모델링 방법
|
14 |
14
하드웨어와 결합되어 제1항 내지 제13항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
|
15 |
15
캐릭터의 눈 포즈에 기초하여 상기 캐릭터의 시점을 결정하고, 상기 캐릭터의 시점에 기초하여, 적어도 하나의 객체에 관한 상기 캐릭터의 관측 값 및 관측 노이즈를 결정하고, 상기 관측 값 및 상기 관측 노이즈에 기초하여 상기 객체의 상태를 추정하고, 추정된 상기 객체의 상태, 상기 캐릭터의 상태 및 상기 캐릭터에 관한 참조 모션에 기초하여 상기 캐릭터의 제어 정책을 생성하고, 추정된 상기 객체의 상태 및 상기 제어 정책에 기초하여 상기 캐릭터의 상태를 업데이트하는 적어도 하나의 프로세서; 및상기 캐릭터의 상태, 상기 캐릭터에 관한 참조 모션 및 상기 객체의 상태를 저장하는 메모리를 포함하고,상기 캐릭터의 상태는상기 캐릭터에 포함된 적어도 하나의 관절의 상태 및 상기 캐릭터의 눈 포즈를 포함하는풀바디 모델링 장치
|
16 |
16
제15항에 있어서,상기 프로세서는상기 객체의 상태를 추정함에 있어서,부분 관측 마코프 의사결정 과정(partially observable markov decision process; POMDP)에 기반하여 객체의 상태를 추정하는풀바디 모델링 장치
|
17 |
17
제15항에 있어서,상기 프로세서는상기 객체의 상태를 추정함에 있어서,상기 적어도 하나의 객체에 관한 관측 값 및 상기 관측 노이즈에 기초하여 상기 객체의 가능한 상태들에 대한 확률 분포에 따른 상기 객체의 신뢰 상태를 정의하고, 칼만 필터에 따른 전이 행렬에 기초하여 객체의 다음 신뢰 상태를 예측하며, 상기 객체에 관한 관측 값 및 상기 칼만 필터에 따른 칼만 이득 행렬에 기초하여, 상기 예측된 객체의 다음 신뢰 상태를 보정하는풀바디 모델링 장치
|
18 |
18
제15항에 있어서,상기 눈 포즈는시선 방향을 나타내는 방위각, 고도, 및 초점 거리의 파라미터들 중 적어도 하나를 포함하고,상기 적어도 하나의 파라미터는 미리 정해진 범위로 파라미터 값이 제한되는풀바디 모델링 장치
|
19 |
19
제15항에 있어서,상기 프로세서는상기 제어 정책을 생성함에 있어서,제1 시간 스텝에 대응하는 객체의 상태 및 캐릭터의 상태에서 미리 정해진 비용을 고려하여 제1 시간 스텝의 다음 시간 스텝인 제2 시간 스텝에 대응하는 객체의 상태 및 캐릭터의 상태를 결정하고, 상기 제2 시간 스텝에 대응하는 캐릭터의 상태에 기초하여, 상기 제1 시간 스텝에 대응하는 캐릭터 제어 벡터를 획득하며, 미리 정해진 개수의 시간 스텝 각각에 대하여, 상기 캐릭터 제어 벡터를 생성하는풀바디 모델링 장치
|
20 |
20
제15항에 있어서,상기 프로세서는상기 캐릭터의 상태를 시각화하여 풀바디 캐릭터를 모델링하는풀바디 모델링 장치
|