AI model bi mogao omogućiti programerima igara da generiraju realistične animacije

Tim istraživača u Electronic Artsu nedavno je eksperimentirao s različitim algoritmima umjetne inteligencije, uključujući modele učenja s pojačanjem, kako bi automatizirao aspekte stvaranja videoigara. Istraživači se nadaju da modeli umjetne inteligencije mogu uštedjeti njihovim programerima i animatorima vrijeme obavljanja ponavljajućih zadataka poput kodiranja kretanja likova.

Dizajniranje videoigara, posebno velikih, trostrukih A videoigara koje su dizajnirale velike kompanije za igre, zahtijeva tisuće sati rada. Kako konzole za videoigre, računala i mobilni uređaji postaju moćniji, same videoigre postaju sve složenije. Razvojni programeri igara traže načine za proizvodnju više sadržaja igara uz manje truda, na primjer, često odabiru korištenje proceduralnih algoritama generiranja za izradu pejzaža i okruženja. Slično tome, algoritmi umjetne inteligencije mogu se koristiti za generiranje razina videoigara, automatiziranje testiranja igara, pa čak i animiranje pokreta likova.

Animacije likova za video igre često se dovršavaju uz pomoć sustava za snimanje pokreta, koji prate pokrete stvarnih glumaca kako bi se osigurale realističnije animacije. Međutim, ovaj pristup ima ograničenja. Ne samo da još treba napisati kod koji pokreće animacije, već su animatori također ograničeni samo na radnje koje su snimljene.

Kako je objavio Wired, istraživači iz EA odlučili su automatizirati ovaj proces i uštedjeti vrijeme i novac na tim animacijama. Tim istraživača pokazao je da se algoritam učenja s potkrepljenjem može koristiti za stvaranje ljudskog modela koji se kreće na realan način, bez potrebe za ručnim snimanjem i kodiranjem pokreta. Istraživački tim upotrijebio je "Motion Variational Autoencoders" (Motion VAEs) kako bi identificirao relevantne obrasce kretanja iz podataka snimanja pokreta. Nakon što su autokoderi izvukli uzorke kretanja, sustav učenja s potkrepljenjem treniran je s podacima, s ciljem stvaranja realističnih animacija temeljenih na određenim ciljevima (kao što je trčanje za loptom u nogometnoj utakmici). Algoritmi za planiranje i kontrolu koje je koristio istraživački tim uspjeli su generirati željene pokrete, čak i proizvodeći pokrete koji nisu bili u izvornom skupu podataka za snimanje pokreta. To znači da nakon učenja kako ispitanik hoda, model učenja s potkrepljenjem može odrediti kako trčanje izgleda.

Julian Togelius, profesor na sveučilištu NYU i suosnivač tvrtke Modl.ai za alate za umjetnu inteligenciju, citiran je od strane Wireda, koji je rekao da bi tehnologija mogla biti vrlo korisna u budućnosti i da će vjerojatno promijeniti način na koji se kreira sadržaj za igre.

“Proceduralna animacija bit će velika stvar. U osnovi automatizira velik dio posla koji ide u izgradnju sadržaja igre,” Togelius rekao je za Wired.

Prema profesoru Michielu van de Panneu s UBC-a, koji je bio uključen u projekt učenja s potkrepljenjem, istraživački tim želi unaprijediti koncept animiranjem neljudskih avatara istim postupkom. Van de Panne rekao je za Wired da iako proces stvaranja novih animacija može biti prilično težak, on je uvjeren da će tehnologija jednog dana moći prikazati privlačne animacije.

Ostale primjene umjetne inteligencije u razvoju videoigara uključuju stvaranje osnovnih igara. Na primjer, istraživači sa Sveučilišta u Torontu uspjeli su dizajnirati generativnu protivničku mrežu koji bi mogao rekreirati igru Pac-Man bez pristupa bilo kojem kodu korištenom za dizajn igre. Na drugom mjestu, istraživači sa Sveučilišta Alberta koristili su se AI modelima za generirati razine videoigara na temelju pravila različitih igara poput Super Mario Bros i Mega Man.