汉阳大学计算机软件学部李润相教授研究团队在世界顶级计算机图形学国际学术大会 “SIGGRAPH 2025” 上发表了 “PhysicsFC” 技术而备受关注。研究团队在 Technical Papers 项目中展示了研究成果，并受邀参加 Emerging Technologies 项目进行演示展示。该技术在 SIGGRAPH 现场引起了知名篮球游戏系列 NBA 2K 开发公司相关人员的极大兴趣。
 

“PhysicsFC” 技术基于深度强化学习，使物理仿真角色能够像真实足球运动员一样控球和移动。李教授以人工智能技术的发展为基础，认为可以通过物理基础角色控制来实现与真实球员相似的控球动作，因此开始了该研究。尤其是，他认为将物理基础控制技术应用于足球游戏，能够为用户提供更加真实的角色动作体验。

现有的足球游戏采用未考虑物理交互的运动学动作（Kinematic Motion），因此角色常常会出现不自然的动作。为了解决这一问题，李教授设计了用于各项控制策略学习的有效奖励体系。此外，还精密地设定了强化学习中代表一次尝试单元的“情节（Episode）”的初始化与终止条件。
 

“PhysicsFC” 通过让负责各项足球技术的踢球·移动·带球·停球等动作根据情况进行学习，并以有限状态机为基础的控制结构进行整合。尤其是，接收空中飞来的球停球这一动作，虽然是实际足球中核心动作之一，但此前的研究从未涉及。

研究团队提出了 “STI（Skill Transition-Based Initialization）” 技术，以确保角色的敏捷性并实现动作间的平滑衔接。当各项技能被独立学习时，动作之间的转换往往不自然。为此，团队在下一项技能策略学习时，将执行前一项技能的角色与球的状态设定为初始状态，从而实现了自然的过渡。

通过结合动作捕捉数据中的目标值进行奖励计算的 “DEGCL（Data Embedded Goal-Conditioned Latent Guidance）” 技术，解决了仅以移动目标值计算奖励时角色动作不自然的问题。动作捕捉数据是指利用传感器或摄像机测量实际人物运动而获得的时间序列姿态记录。

李教授并非一开始就走上计算机图形学研究之路。原本他准备以本科专业机械工程继续攻读研究生，但在社团活动中喜欢上的计算机图形学始终让他念念不忘。最终，他选择了自己真正热爱并能够享受的道路。李教授表示：“因为不是本科时学习的领域，初期确实有困难，但做自己喜欢的事让研究变得愉快。”完成博士课程后，李教授曾暂时离开研究岗位进入企业工作，但出于对挑战性问题的探索欲望，他最终回到了大学。

对于正在思考未来方向的汉阳人们，李教授建议道：“要了解自己是谁，找到真正喜欢并适合自己的事情。我之所以改变了人生方向，是因为思考了什么是能让我感到快乐、有意义、并能享受其中的事。不要只在意别人说什么或周围的声音，要倾听自己内心的声音，留出时间去思考自我。”

谈及未来计划，李教授表示：“我希望能通过好的论文进行对世界产生积极影响的研究。写好论文不仅仅是取得成果，更是培养与我共同研究的学生成为优秀研究者的过程。”在本科课程中，他以“让每一位学生都能理解并跟上课程、不掉队”为目标，并表示“希望通过教育培养出对社会有帮助的人。”从任职初期开始，李教授就在进行图形学研究的同时，将目光放在了机器人学上。他正将基于物理仿真的角色控制中积累的控制技术扩展至机器人研究领域，继续展开新的尝试。