AI modelis gali leisti žaidimų kūrėjams sukurti tikrovišką animaciją

„Electronic Arts“ mokslininkų komanda neseniai eksperimentavo su įvairiais dirbtinio intelekto algoritmais, įskaitant sustiprinimo mokymosi modelius, kad automatizuotų vaizdo žaidimų kūrimo aspektus. Tyrėjai tikisi, kad dirbtinio intelekto modeliai gali sutaupyti jų kūrėjų ir animatorių laiko atliekant pasikartojančias užduotis, tokias kaip simbolių judėjimo kodavimas.

Vaizdo žaidimo, ypač didelių, trigubo A vaizdo žaidimų, sukurtų didelių žaidimų kompanijų, sukūrimas reikalauja tūkstančių darbo valandų. Kai vaizdo žaidimų pultai, kompiuteriai ir mobilieji įrenginiai tampa galingesni, patys vaizdo žaidimai tampa vis sudėtingesni. Žaidimų kūrėjai ieško būdų, kaip sukurti daugiau žaidimų turinio su mažiau pastangų, pavyzdžiui, jie dažnai pasirenka naudoti procedūrinius generavimo algoritmus kraštovaizdžiui ir aplinkai kurti. Panašiai dirbtinio intelekto algoritmai gali būti naudojami vaizdo žaidimų lygiams generuoti, žaidimų testavimui automatizuoti ir netgi animuoti veikėjų judesius.

Vaizdo žaidimų personažų animacija dažnai užbaigiama naudojant judesio fiksavimo sistemas, kurios seka tikrų aktorių judesius, kad būtų užtikrinta tikroviškesnė animacija. Tačiau šis metodas turi apribojimų. Dar reikia parašyti ne tik kodą, kuris valdo animacijas, bet ir animatoriai apsiriboja tik užfiksuotais veiksmais.

Kaip pranešė „Wired“, EA mokslininkai nusprendė automatizuoti šį procesą ir sutaupyti laiko bei pinigų šioms animacijoms. Tyrėjų komanda parodė, kad sustiprinimo mokymosi algoritmas gali būti naudojamas kuriant žmogaus modelį, kuris juda realistiškai, nereikalaujant rankiniu būdu įrašyti ir koduoti judesių. Tyrimo grupė naudojo „Motion Variational Autoencoder“ (Motion VAE), kad nustatytų atitinkamus judėjimo modelius iš judesio fiksavimo duomenų. Po to, kai automatiniai kodavimo įrenginiai išgavo judesių modelius, su duomenimis buvo išmokyta sustiprinimo mokymosi sistema, kurios tikslas buvo sukurti tikrovišką animaciją, pagrįstą tam tikrais tikslais (pvz., bėgimas po kamuolio futbolo žaidime). Planavimo ir valdymo algoritmai, kuriuos naudojo tyrėjų komanda, sugebėjo generuoti norimus judesius, netgi sukuriant judesius, kurių nebuvo pradiniame judesio fiksavimo duomenų rinkinyje. Tai reiškia, kad išmokus dalyko vaikščiojimą, sustiprinimo mokymosi modelis gali nustatyti, kaip atrodo bėgimas.

„Wired“ citavo Julianą Togelius, NYU profesorių ir dirbtinio intelekto įrankių bendrovės „Modl.ai“ įkūrėją, sakydamas, kad ši technologija gali būti gana naudinga ateityje ir greičiausiai pakeis žaidimų turinio kūrimo būdą.

„Procedūrinė animacija bus didžiulis dalykas. Iš esmės tai automatizuoja daug darbo, kuris tenka žaidimo turinio kūrimui“, – sakė Togelius pasakė Wiredui.

Pasak profesoriaus Michielio van de Panne iš UBC, kuris dalyvavo stiprinimo mokymosi projekte, tyrimų grupė siekia toliau plėtoti koncepciją, tuo pačiu procesu suaktyvindama nežmogiškus avatarus. Van de Panne sakė Wired, kad nors naujų animacijų kūrimo procesas gali būti gana sudėtingas, jis yra įsitikinęs, kad technologija kada nors galės sukurti patrauklias animacijas.

Kitos AI programos kuriant vaizdo žaidimus apima pagrindinių žaidimų generavimą. Pavyzdžiui, Toronto universiteto mokslininkams pavyko sukurti generatyvų priešininkų tinklą kad būtų galima atkurti žaidimą Pac-Man be prieigos prie jokio kodo, naudojamo kuriant žaidimą. Kitur Albertos universiteto mokslininkai naudojo AI modelius sukurti vaizdo žaidimų lygius remiantis įvairių žaidimų taisyklėmis, pvz Super Mario Bros ir Mega Man.