AI 모델, 게임 개발자에게 생동감 있는 애니메이션 생성을 가능하게 할 수 있다

일렉트로닉 아츠의 연구팀은 최근 다양한 인공 지능 알고리즘, 특히 강화 학습 모델을 사용하여 비디오 게임 생성의 일부를 자동화하는 실험을 수행했습니다. 연구자들은 AI 모델이 개발자와 애니메이터가 반복적인 작업을 수행하는 시간을 절약할 수 있을 것이라고 희망합니다.

비디오 게임, 특히 대형 게임 회사에서 설계한 대규모 트리플 A 비디오 게임을 개발하는 것은 수천 시간의 작업을 필요로 합니다. 비디오 게임 콘솔, 컴퓨터, 모바일 기기가 더 강력해짐에 따라 비디오 게임 자체도 점점 더 복잡해지고 있습니다. 게임 개발자는 더 많은 게임 콘텐츠를 생산하기 위해 노력하고 있으며, 예를 들어 절차적 생성 알고리즘을 사용하여 풍경과 환경을 생성하거나 인공 지능 알고리즘을 사용하여 비디오 게임 레벨을 생성하고 게임 테스트를 자동화하고 심지어 캐릭터 애니메이션을 생성할 수 있습니다.

비디오 게임의 캐릭터 애니메이션은 종종 모션 캡처 시스템의 도움으로 완성되며, 이는 실제 배우의 움직임을 추적하여 더 생동감 있는 애니메이션을 보장합니다. 그러나 이 접근법에는 한계가 있습니다. 애니메이션을 구동하는 코드를 작성해야 하며 애니메이터는 캡처된 동작만으로 제한됩니다.

와이어드가 보도한 바에 따르면, EA의 연구팀은 이 과정을 자동화하고 애니메이션에 소요되는 시간과 돈을 절약하기 위해 노력했습니다. 연구팀은 강화 학습 알고리즘이 인간 모델을 생성하여 현실적인 방식으로 움직일 수 있음을 보여주었으며, 이는 수동으로 기록하고 코드를 작성할 필요가 없습니다. 연구팀은 “모션 변분 오토인코더” (Motion VAEs)를 사용하여 모션 캡처 데이터에서 관련된 움직임 패턴을 식별했습니다. 오토인코더가 움직임 패턴을 추출한 후, 강화 학습 시스템은 특정 목표(예: 축구 게임에서 공을 따라 달리는 것)를 기반으로 현실적인 애니메이션을 생성하기 위해 데이터로 훈련되었습니다. 연구팀이 사용한 계획 및 제어 알고리즘은 원하는 동작을 생성할 수 있었으며,甚至 원래 모션 캡처 데이터 세트에 없는 동작도 생성할 수 있었습니다. 이는 강화 학습 모델이 주제가 걷는 법을 배우면 달리는 법을 결정할 수 있음을 의미합니다.

NYU 교수이자 AI 도구 회사 Modl.ai의 공동 창립자인 줄리안 토겔리우스는 와이어드와의 인터뷰에서 이 기술이 미래에 매우 유용할 수 있으며 게임 콘텐츠 생성 방식을 변경할 가능성이 있다고 말했습니다.

토겔리우스는 와이어드와의 인터뷰에서 “절차적 애니메이션은 엄청난 일이 될 것입니다. 이는 게임 콘텐츠를 구축하는 데 필요한 많은 작업을 자동화하기 때문입니다”라고 말했습니다.

UBC의 미키엘 판 데 판네 교수는 강화 학습 프로젝트에 참여했으며, 연구팀은 동일한 과정을 통해 비인간형 아바타를 애니메이션화하는 것을 목표로 하고 있다고 말했습니다. 판 데 판네는 와이어드와의 인터뷰에서 새로운 애니메이션을 생성하는 과정은 매우 어려울 수 있지만, 그는 이 기술이 언젠가 매력적인 애니메이션을 렌더링할 수 있을 것이라고 믿습니다.

비디오 게임 개발에서 AI의 다른 응용 분야에는 기본 게임 생성이 포함됩니다. 예를 들어, 토론토 대학교의 연구자들은 생성적 적대적 네트워크를 설계하여 코드에 접근하지 않고도 게임 Pac-Man을 재현할 수 있었습니다. 또한 앨버타 대학교의 연구자들은 다른 게임의 규칙을 기반으로 비디오 게임 레벨을 생성하는 AI 모델을 사용했습니다. 슈퍼 마리오 브라더스와 메가맨과 같은 게임입니다.