Un modèle d’IA pourrait permettre aux développeurs de jeux de générer des animations réalistes

Une équipe de chercheurs chez Electronic Arts a récemment expérimenté avec divers algorithmes d’intelligence artificielle, notamment des modèles d’apprentissage par renforcement, pour automatiser les aspects de la création de jeux vidéo. Les chercheurs espèrent que les modèles d’IA peuvent économiser du temps aux développeurs et aux animateurs en effectuant des tâches répétitives comme la programmation du mouvement des personnages.

La conception d’un jeu vidéo, en particulier les grands jeux vidéo triple-A conçus par de grandes entreprises de jeux, nécessite des milliers d’heures de travail. À mesure que les consoles de jeux vidéo, les ordinateurs et les appareils mobiles deviennent plus puissants, les jeux vidéo eux-mêmes deviennent de plus en plus complexes. Les développeurs de jeux recherchent des moyens de produire plus de contenu de jeu avec moins d’efforts, par exemple, ils choisissent souvent d’utiliser des algorithmes de génération procédurale pour produire des paysages et des environnements. De même, les algorithmes d’intelligence artificielle peuvent être utilisés pour générer des niveaux de jeu, automatiser les tests de jeu et même animer les mouvements des personnages.

Les animations de personnages pour les jeux vidéo sont souvent réalisées avec l’aide de systèmes de capture de mouvement, qui suivent les mouvements d’acteurs réels pour garantir des animations plus réalistes. Cependant, cette approche a des limites. Non seulement le code qui pilote les animations doit encore être écrit, mais les animateurs sont également limités aux actions qui ont été capturées.

Comme l’a rapporté Wired, les chercheurs d’EA se sont lancés dans l’automatisation de ce processus pour économiser du temps et de l’argent sur ces animations. L’équipe de chercheurs a démontré qu’un algorithme d’apprentissage par renforcement pouvait être utilisé pour créer un modèle humain qui se déplace de manière réaliste, sans avoir besoin d’enregistrer et de coder manuellement les mouvements. L’équipe de recherche a utilisé des « Motion Variational Autoencoders » (Motion VAEs) pour identifier les modèles de mouvement pertinents à partir de données de capture de mouvement. Après que les autoencodeurs aient extrait les modèles de mouvement, un système d’apprentissage par renforcement a été formé avec les données, avec pour objectif de créer des animations réalistes en fonction d’objectifs spécifiques (tels que courir après un ballon dans un jeu de football). Les algorithmes de planification et de contrôle utilisés par l’équipe de recherche ont pu générer les mouvements souhaités, même en produisant des mouvements qui n’étaient pas dans l’ensemble initial de données de capture de mouvement. Cela signifie que, après avoir appris à marcher, le modèle d’apprentissage par renforcement peut déterminer à quoi ressemble la course.

Julian Togelius, professeur à NYU et co-fondateur de l’entreprise d’outils d’IA Modl.ai, a été cité par Wired comme disant que la technologie pourrait être très utile à l’avenir et est susceptible de changer la façon dont le contenu des jeux est créé.

« L’animation procédurale sera énorme. Elle automatise essentiellement une grande partie du travail qui va dans la création de contenu de jeu », a déclaré Togelius à Wired.

Selon le professeur Michiel van de Panne de l’UBC, qui a participé au projet d’apprentissage par renforcement, l’équipe de recherche souhaite pousser le concept plus loin en animant des avatars non humains avec le même processus. Van de Panne a déclaré à Wired que, même si le processus de création de nouvelles animations peut être très difficile, il est confiant que la technologie sera capable de rendre des animations attrayantes un jour.

D’autres applications de l’IA dans le développement de jeux vidéo incluent la génération de jeux de base. Par exemple, des chercheurs de l’Université de Toronto ont réussi à concevoir un réseau antagoniste génératif qui pouvait recréer le jeu Pac-Man sans accéder à aucun du code utilisé pour concevoir le jeu. Ailleurs, des chercheurs de l’Université de l’Alberta ont utilisé des modèles d’IA pour générer des niveaux de jeux vidéo en fonction des règles de différents jeux comme Super Mario Bros. et Mega Man.