3D仿真系统中的角色动画往往会使用蒙皮骨骼技术来实现,为了实现自然逼真的角色动作往往会涉及到大量的人工采集和手工处理。动作合成中存在很多在创作时难以准确描述的模糊信息如动作姿态或速度,而神经网络为该问题提供了一个很好的解决方案。通过使用现有的神经网络如运动动作合成网络,已经可以产生出一些长序列周期性动作,Phase Functioned Neural Networks(PFNN)神经网络可以将人的动作适配到任意地形上产生出一系列自然的行走动作。Mode Adaptive Neural Networks(MANN)神经网络则更进一步,该网络可以实现在任意地形上产生四足动物的行走动作合成。本文主要研究工作是将这两种神经网络动作合成功能引入到OGRE引擎,从而实现高效的角色动作创作,以提供这些配套工具的运行时基础。研究内容分别以下三点:1.通过结合神经网络技术,设计出一个可以移植到通用3D引擎的骨骼动画子系统框架,以支持新型神经网络扩展和多实例运行,使系统有更好的易用性和灵活性;2.在该动画子系统框架下,加入对PFNN和MANN网络的支持,并提供了包含资源文件的素材移植,解决不同素材文件的骨骼蒙皮实现,使得这些模型可以在同一场景中高效地产生更自然、类型更丰富的角色动作。3.设计了一个针对此子系统的验证场景,在验证场景中加入多实例和脚本控制功能,直接使用了现有的模型移植结果。对场景实际运行后的功能和性能进行了分析,验证了本课题的实际运行效果基本满足原型的要求。本课题对于目前大部分游戏或动画引擎对角色动作的实现还是以传统美术人员手工制作为主的现状,提供了一种解决方案。另外可以为无人驾驶有行人道路环境,机器人的动作学习相关研究提供有力的支持工具等。