AI 모델을 통해 게임 개발자는 생생한 애니메이션을 생성할 수 있습니다.

Electronic Arts의 연구원 팀은 최근 강화 학습 모델을 비롯한 다양한 인공 지능 알고리즘을 실험하여 비디오 게임 제작의 측면을 자동화했습니다. 연구자들은 AI 모델이 캐릭터 이동 코딩과 같은 반복적인 작업을 수행하는 개발자와 애니메이터의 시간을 절약할 수 있기를 바랍니다.

비디오 게임, 특히 대형 게임 회사에서 설계한 대형 트리플 A 비디오 게임을 설계하려면 수천 시간의 작업이 필요합니다. 비디오 게임 콘솔, 컴퓨터 및 모바일 장치가 더욱 강력해짐에 따라 비디오 게임 자체가 점점 더 복잡해지고 있습니다. 게임 개발자는 적은 노력으로 더 많은 게임 콘텐츠를 제작할 수 있는 방법을 찾고 있습니다. 예를 들어 절차적 생성 알고리즘을 사용하여 풍경과 환경을 제작하는 경우가 많습니다. 마찬가지로 인공 지능 알고리즘을 사용하여 비디오 게임 레벨을 생성하고, 게임 테스트를 자동화하고, 캐릭터 움직임을 애니메이션화할 수도 있습니다.

비디오 게임용 캐릭터 애니메이션은 실제 배우의 움직임을 추적하여 보다 실제와 같은 애니메이션을 보장하는 모션 캡처 시스템의 도움으로 완성되는 경우가 많습니다. 그러나 이 방법에는 한계가 있습니다. 애니메이션을 구동하는 코드를 작성해야 할 뿐만 아니라 애니메이터도 캡처된 동작으로만 제한됩니다.

와이어드가 보도한 바와 같이, EA의 연구원들은 이 프로세스를 자동화하고 이러한 애니메이션에 대한 시간과 비용을 모두 절약하기 시작했습니다. 연구팀은 움직임을 수동으로 기록하고 코딩할 필요 없이 사실적인 방식으로 움직이는 인간 모델을 만드는 데 강화 학습 알고리즘을 사용할 수 있음을 시연했습니다. 연구팀은 "Motion Variational Autoencoders"(Motion VAE)를 사용하여 모션 캡처 데이터에서 관련 움직임 패턴을 식별했습니다. 오토인코더가 움직임 패턴을 추출한 후 특정 목표(예: 축구 경기에서 공을 쫓는 달리기)를 기반으로 사실적인 애니메이션을 만드는 것을 목표로 강화 학습 시스템이 데이터로 훈련되었습니다. 연구팀이 사용하는 계획 및 제어 알고리즘은 원래 모션 캡처 데이터 세트에 없는 모션을 생성하는 등 원하는 모션을 생성할 수 있었습니다. 이는 피험자가 어떻게 걷는지 학습한 후 강화 학습 모델이 달리기가 어떤 모습인지 결정할 수 있음을 의미합니다.

NYU 교수이자 AI 도구 회사인 Modl.ai의 공동 설립자인 Julian Togelius는 이 기술이 미래에 매우 유용할 수 있으며 게임 콘텐츠 제작 방식을 바꿀 가능성이 있다고 Wired에서 인용했습니다.

“절차적 애니메이션은 엄청난 일이 될 것입니다. 기본적으로 게임 콘텐츠 구축에 들어가는 많은 작업을 자동화합니다.” Togelius 와이어드에 말했다.

강화 학습 프로젝트에 참여한 UBC의 Michiel van de Panne 교수에 따르면 연구팀은 동일한 프로세스로 비인간 아바타를 애니메이션화하여 개념을 더 발전시킬 계획입니다. Van de Panne은 새로운 애니메이션을 만드는 과정이 상당히 어려울 수 있지만 언젠가는 이 기술이 매력적인 애니메이션을 렌더링할 수 있을 것이라고 확신한다고 Wired에 말했습니다.

비디오 게임 개발에서 AI의 다른 응용 프로그램에는 기본 게임 생성이 포함됩니다. 예를 들어, 토론토 대학의 연구원들은 생성적 적대 신경망 설계 게임을 재현할 수 있는 팩맨 게임을 설계하는 데 사용되는 코드에 액세스할 수 없습니다. 다른 곳에서는 앨버타 대학의 연구원들이 AI 모델을 사용하여 비디오 게임 수준 생성 같은 다른 게임의 규칙에 따라 슈퍼 마리오 브라더스 그리고 메가 남자.