自主虚拟人是虚拟环境中由计算机生成,具有自主行为控制和自动画表现能力,可对环境变化及时作出合理反应,用于模拟现实世界里人类的行为和特征的仿人软件智能体。自主虚拟人行为控制与动画合成技术对虚拟人行为进行可视化仿真模拟,可显著增强虚拟环境的真实感、沉浸感、交互性和智能性。人类行为具有自主性、多样性和高度灵活性的特点,使得合成自然、逼真的自主虚拟人行为动画成为计算机图形学领域极具挑战性的研究课题。基于此,本文重点研究了自主虚拟人在动态、复杂的环境和任务下,具有较高自主化程度、较高智能水平和可交互性的行为控制与动画合成技术。论文取得的主要研究成果包括:　　 针对自主虚拟人行走中受意外接触力扰动而失衡后的反应式行为,提出一种用于合成平衡恢复行为动画的L4RW算法。L4RW根据神经控制学和人类行为学中的懒惰原则提出“懒”动态平衡恢复模型,该模型应用了生物力学领域最新提出的外推质量中心投影方法判定虚拟人行走中是否失衡,定义了消解外界扰动所需付出的平衡恢复代价以及相应的平衡恢复策略。L4RW基于该模型采用动力学仿真与运动数据驱动相结合的混合控制方法,并进一步应用懒惰原则对运动数据的搜索过程进行了较大的优化。实验表明,L4RW在运动数据的搜索速度上比同类方法提高了两个数量级,实现了动力学模拟向运动捕获数据驱动的快速平滑过渡,使最终合成的动画效果具有较高的真实感和可交互性。　　 针对计算机游戏、军事仿真等自主虚拟人应用领域中广泛存在的“单追捕者—单移动目标”追捕问题,提出一种基于改进跟踪策略的追捕路径规划算法TAO-MTP,TAO-MTP记录目标的移动轨迹,通过一个全局代价启发函数选取目标轨迹上可使总追捕代价最低的位置作为跟踪起始位置,然后采用RTAA*算法向该位置投机地逼近。此外,算法还在降低目标轨迹存储开销、追捕路径自适应优化方面做了较有效地改进。实验表明,只要追捕者的平均移动速率大于目标的平均移动速率,TAO-MTP都能以较为智能的追捕路径成功捕获移动目标。　　 针对动态、复杂环境与任务下的自主虚拟人行为控制问题,提出一种基于示范学习的示范图技术,可为自主虚拟人提供一个简单高效的行为控制统一框架,该框架能根据示范者的示范行为轨迹采样自动构建行为模型和认知模型,并有效解决了行为模型和认知模型在行动选择上的规划冲突。示范图技术的主要创新之处在于:其以一种自然、直观的方式将完成复杂任务的认知模型的构建归约为有向图上的路径规划问题。实验表明,示范图技术可有效实现对自主虚拟人复杂行为的规划,并能很好适应动态的环境和任务目标。