在计算机图形学、生物力学和机器人等领域一个经典问题是如何在已知运动学信息情况下，求解计算地面接触信息和关节力矩信息。在本文中，我们聚焦于个体相关的人体惯性参数建模、大范围人体运动运动学和动力学数据获取、数据驱动逆向动力学、数据驱动逆向动力学扩展与应用等关键技术。我们取得了以下研究成果:　　(1)提出了一种准确的个体相关的人体惯性参数求解方法　　个体相关的人体惯性参数信息对于基于物理的角色动画领域和生物力学领域中的逆向动力学计算至关重要。在基于物理角色动画中，研究者使用简化的刚体模型近似表示人体模型，这种表示方法与真实的人体惯性参数差异较大。在生物力学领域，研究者使用医学成像技术从活体中测量人体惯性参数。这种方法能够获得准确的结果，但研究者不可能去扫描获得每一个个体的医学图像数据。　　本文提出一种根据运动学和动力学数据进行个体相关的人体惯性参数求解的方法。我们的方法使用测力台和运动捕获设备来计算获得每一个刚体的质量、质心和转动惯量。本文计算获得的人体惯性参数优化结果与生物力学文献一致，同时优化获得的人体惯性参数能够显著减少运动过程中的拉格朗日误差。　　(2)提出了一种大范围人体运动运动学和动力学数据获取方法　　运动学数据包含关节的运动学信息，动力学数据包含关节力矩、地面接触力信息等。为了获得动力学数据，研究者使用测力台设备来进行地面接触力的测量。但是测力台设备一般情况下是不能移动的，只能在受限的环境中操作使用。压力鞋垫可以用于获取大范围剧烈运动，以打破测力台的采集场景过小的限制。但是压力鞋垫每一个压力传感器记录与其所受压力成正比的模拟阻尼信号，而比例（尺度因子）未知，所以压力鞋垫无法测量水平的地面接触力和竖直向上的扭矩。　　为此，本文提出一种使用压力鞋垫、测力台和Vicon运动捕获设备联合进行大范围人体运动运动学和动力学数据获取方法。结果表明，该方法可以准确的估计压力鞋垫尺度因子，采集获得准确的人体运动运动学和动力学数据。采集获得的运动学和动力学数据可视化之后，其模式与已有的生物力学文献结果一致。　　(3)提出了一种数据驱动逆向动力学求解方法　　逆向动力学是一个图形学、生物力学和机器人控制领域的经典问题。但是，逆向动力学问题仍然是一个有挑战性的问题，尤其当人体与地面出现双支撑的时候。　　针对上述问题，我们提出一种数据驱动逆向动力学求解方法，从输入的运动学数据中准确估计地面接触信息和关节力矩信息。我们的方法是数据驱动的，因为我们使用了预先采集获得运动学和动力学的先验信息。更具体的，我们使用了统计建模的技术来对预先采集的运动进行处理，构建一个低维的模型来约束我们的解空间。实验结果表明，数据驱动逆向动力学算法能够获得比已有方法更加准确的结果。我们把数据驱动逆向动力学扩展到了新的角色和新的运动。　　(4)提出了一种动力学数据驱动的运动模型，用于人体运动过滤、编辑和控制　　如何生成满足用户约束的、真实自然的运动是一个角色动画领域研究的热点问题。传统的方法使用各种运动拼接和合成策略，满足用户输入的几何约束。但其依赖的都是运动学数据库，无法解决物理真实的自然的运动生成问题。　　为此，我们提出一种数据驱动的运动模型，该模型能够满足用户输入的约束、物理约束和先验约束，以此来生成物理真实的自然的运动。核心想法是在大范围运动学和动力学先验分布的低维流形中进行采样。实验结果表明，我们的方法能够应对物理参数（例如环境摩擦系数）的改变，生成物理真实的人体运动。