10 月 21 日，我们分享了运动预测模型 RSO Pose 的进展。研究重点是低资源占用、适应地形的运动，可用于动画、独立游戏开发及机器人研究。
7 月我们介绍了 RSO Pose 如何从人体动作捕捉中学习行走、跑步和转向。这次关注连续预测的姿态如何与角色脚下的地面配合。
从姿态到脚步
控制器根据近期动作和指定方向预测下一个姿态，再将该姿态纳入下一次预测。随着操作者调整方向或步速，每一步都在这一循环中形成。
我们观察脚能否触地、支撑时是否保持稳定，以及身体能否自然衔接下一步。模拟中，我们在学习得到的姿态上配合控制与接触调整。
感知前方地形
我们在研究前方地面信息如何引导动作预测。网站演示中的蓝色扫描展示了这一研究方向。
适用于交互场景的紧凑系统
独立开发者需要为游戏的其他部分保留资源，动画师则需要在探索场景时实时操控角色。这些需求促使我们研究紧凑型动作系统。
控制器目前在模拟环境中运行。用于实体机器人前，仍需在硬件上测试平衡与接触力。