Model AI by mohl umožnit vývojářům her generovat realistické animace

Tým výzkumníků z Electronic Arts (EA ) nedávno experimentoval s různými algoritmy umělé inteligence, včetně modelů učení s posilováním, aby automatizoval aspekty tvorby videoher. Výzkumníci doufají, že modely AI mohou ušetřit vývojářům a animatorům čas při opakujících se úkolech, jako je kódování pohybu postav.

Navrhování videoher, zejména velkých, triple-A videoher navržených velkými herními společnostmi, vyžaduje tisíce hodin práce. Jak se herní konzole, počítače a mobilní zařízení stávají výkonnějšími, videohry samy o sobě se stávají stále složitějšími. Vývojáři her hledají způsoby, jak produkovat více herního obsahu s menším úsilím, například často používají algoritmy procedurální generace k vytváření krajiny a prostředí. Podobně lze algoritmy umělé inteligence použít k generování úrovní videoher, automatizaci testování her a dokonce i animaci pohybů postav.

Animace postav ve videohrách jsou často dokončeny s pomocí systémů motion capture, které sledují pohyby skutečných herců, aby zajistily více realistických animací. Nicméně, tento přístup má své omezení. Nejenže kód, který řídí animace, stále potřebuje být napsán, ale ani animátoři nejsou omezeni pouze na akce, které byly zachyceny.

Jak uvedl Wired, výzkumníci z EA se pokusili automatizovat tento proces a ušetřit čas a peníze na těchto animacích. Tým výzkumníků prokázal, že algoritmus učení s posilováním může být použit k vytvoření lidského modelu, který se pohybuje realistickými způsoby, bez potřeby ručně zaznamenávat a kódovat pohyby. Výzkumný tým použil „Motion Variational Autoencoders“ (Motion VAEs) k identifikaci relevantních vzorců pohybu z dat motion capture. Po extrahování vzorců pohybu autoencodery byl systém učení s posilováním vyškolován s daty, s cílem vytvořit realistické animace na základě určitých cílů (jako běh za míčem ve fotbalovém zápase). Algoritmy plánování a řízení použité výzkumným týmem byly schopny generovat požadované pohyby, dokonce i generovat pohyby, které nebyly v původním sadě dat motion capture. To znamená, že po naučení, jak subjekt chodí, může model učení s posilováním určit, jak vypadá běh.

Julian Togelius, profesor NYU a spoluzakladatel společnosti Modl.ai, byl citován Wired jako saying, že tato technologie by mohla být velmi užitečná v budoucnu a pravděpodobně změní, jak je vytvořen obsah her.

„Procedurální animace bude obrovskou věcí. Základní umožňuje automatizovat velkou část práce, která jde do budování herního obsahu,“ řekl Togelius Wired.

Podle profesora Michiela van de Panne z UBC, který se podílel na projektu učení s posilováním, se výzkumný tým snaží dále rozvinout tento koncept a animovat ne-lidské avatary stejným procesem. Van de Panne řekl Wired, že ačkoli proces vytváření nových animací může být quite obtížný, je přesvědčen, že technologie bude schopna renderovat atraktivní animace.

Další aplikace umělé inteligence ve vývoji videoher zahrnují generování základních her. Například výzkumníci z University of Toronto se podařilo navrhnout generativní adversní síť, která mohla rekreovat hru Pac-Man bez přístupu k žádnému kódu, který byl použit k navržení hry. Jinde výzkumníci z University of Alberta použili modely AI k generování úrovní videoher na základě pravidel různých her, jako Super Mario Bros. a Mega Man.