AI-model kan muligvis lade spiludviklere generere livlige animationer

Et hold forskere fra Electronic Arts (EA ) har nylig eksperimenteret med forskellige kunstig intelligens-algoritmer, herunder forstærkninglæringsmodeller, for at automatisere aspekter af videospilskabelse. Forskerne håber, at AI-modellerne kan spare udviklerne og animatorerne tid på repetitive opgaver som kodning af karakterbevægelser.

At designe et videospil, især de store, triple-A-videospil, der er designede af store spilfirmaer, kræver tusinder af timers arbejde. Da videospilkonsoller, computere og mobile enheder bliver mere kraftfulde, bliver videospillene selv mere og mere komplekse. Spiludviklere søger efter måder at producere mere spilindhold med mindre indsats, f.eks. ved at bruge procedurgenereringsalgoritmer til at producere landskaber og miljøer. Ligeledes kan kunstig intelligens-algoritmer bruges til at generere videospilniveauer, automatisere spiltest og sogar animere karakterbevægelser.

Karakteranimationer for videospil er ofte fuldført med hjælp af motion capture-systemer, der sporer bevægelserne af rigtige skuespillere for at sikre mere livlige animationer. Men denne tilgang har begrænsninger. Ikke kun skal koden, der driver animationerne, stadig skrives, men animatorerne er også begrænsede til kun de handlinger, der er blevet fanget.

Som Wired rapporterede, forskere fra EA satte sig for at automatisere denne proces og spare både tid og penge på disse animationer. Holdet af forskere demonstrerede, at en forstærkninglæringsalgoritme kunne bruges til at oprette et menneskeligt model, der bevæger sig på realistiske måder, uden behov for at manuelt optage og kode bevægelserne. Forskningsholdet brugte “Motion Variational Autoencoders” (Motion VAEs) til at identificere relevante mønstre af bevægelse fra motion-capture-data. Efter at autoencoderne havde udtrukket bevægelsesmønstrene, blev et forstærkninglæringsystem trænet med dataene med målet at oprette realistiske animationer baseret på bestemte mål (såsom at løbe efter en bold i en fodboldkamp). Planlægnings- og kontrolalgoritmerne, som forskningsholdet brugte, kunne generere de ønskede bevægelser, endda producere bevægelser, der ikke var i den oprindelige samling af motion-capture-data. Dette betyder, at efter at have lært, hvordan en person går, kan forstærkninglæringsmodellen bestemme, hvordan løb ser ud.

Julian Togelius, NYU-professor og medstifter af AI-værktøjsfirmaet Modl.ai, citeredes af Wired som siger, at teknologien kan være meget nyttig i fremtiden og sandsynligvis vil ændre, hvordan indhold til spil skabes.

“Procedural animation vil være en stor ting. Det automatiserer en masse af arbejdet, der går med at bygge spilindhold,” sagde Togelius til Wired.

Ifølge professor Michiel van de Panne fra UBC, der var involveret i forstærkninglæringsprojektet, søger forskningsholdet at tage konceptet videre ved at animere ikke-menneskelige avatarer med samme proces. Van de Panne sagde til Wired, at selvom processen med at skabe nye animationer kan være ret svær, er han sikker på, at teknologien vil kunne rendre tiltalende animationer en dag.

Andre anvendelser af AI i udviklingen af videospil inkluderer generering af grundlæggende spil. For eksempel lykkedes det forskere fra University of Toronto at designe en generativ adversarial network, der kunne genskabe spillet Pac-Man uden adgang til nogen af koden, der blev brugt til at designe spillet. Andre steder brugte forskere fra University of Alberta AI-modeller til at generere niveauer af videospil baseret på reglerne for forskellige spil som Super Mario Bros. og Mega Man.