AI-model kan game-ontwikkelaars helpen om realistische animaties te genereren

Een team van onderzoekers bij Electronic Arts (EA ) heeft onlangs geëxperimenteerd met verschillende kunstmatige intelligentie-algoritmen, waaronder versterkingsleermodellen, om aspecten van videospelontwikkeling te automatiseren. De onderzoekers hopen dat de AI-modellen hun ontwikkelaars en animators tijd kunnen besparen bij het uitvoeren van repetitieve taken zoals het coderen van karakterbewegingen.

Het ontwerpen van een videospel, vooral de grote, triple-A-videospellen die zijn ontworpen door grote spelbedrijven, vereist duizenden uren werk. Naarmate videospelconsoles, computers en mobiele apparaten krachtiger worden, worden videospellen zelf ook steeds complexer. Spelontwikkelaars zoeken naar manieren om meer spelinhoud te produceren met minder moeite, bijvoorbeeld door procedurale generatie-algoritmen te gebruiken om landschappen en omgevingen te produceren. Op dezelfde manier kunnen kunstmatige intelligentie-algoritmen worden gebruikt om videospellevels te genereren, speltests te automatiseren en zelfs karakterbewegingen te animeren.

Karakteranimaties voor videospellen worden vaak voltooid met de hulp van motion-capture-systemen, die de bewegingen van echte acteurs volgen om meer realistische animaties te garanderen. Deze benadering heeft echter beperkingen. Niet alleen moet de code die de animaties aandrijft nog steeds worden geschreven, maar animators zijn ook beperkt tot de acties die zijn opgenomen.

Zoals Wired rapporteerde, hebben onderzoekers van EA een proces geautomatiseerd om zowel tijd als geld te besparen op deze animaties. Het team van onderzoekers heeft aangetoond dat een versterkingsleer-algoritme kan worden gebruikt om een menselijk model te creëren dat op realistische wijze beweegt, zonder dat handmatig de bewegingen hoeft te worden opgenomen en gecodeerd. Het onderzoeksteam gebruikte “Motion Variational Autoencoders” (Motion VAE’s) om relevante bewegingspatronen te identificeren uit motion-capture-gegevens. Nadat de auto-encoders de bewegingspatronen hadden geëxtraheerd, werd een versterkingsleer-systeem getraind met de gegevens, met als doel realistische animaties te creëren op basis van bepaalde doelstellingen (zoals rennen achter een bal in een voetbalwedstrijd). De plannings- en controle-algoritmen die door het onderzoeksteam werden gebruikt, konden de gewenste bewegingen genereren, zelfs bewegingen die niet in de oorspronkelijke set van motion-capture-gegevens stonden. Dit betekent dat nadat het leren van een onderwerp loopt, het versterkingsleer-model kan bepalen wat rennen eruit ziet.

Julian Togelius, professor aan de NYU en mede-oprichter van het AI-hulpmiddelbedrijf Modl.ai, werd door Wired geciteerd als zeggende dat de technologie in de toekomst zeer nuttig kan zijn en waarschijnlijk de manier waarop inhoud voor spellen wordt gemaakt, zal veranderen.

“Procedurale animatie zal een enorm iets zijn. Het automatiseert een groot deel van het werk dat nodig is om spelinhoud te bouwen,” zei Togelius tegen Wired.

Volgens professor Michiel van de Panne van de UBC, die betrokken was bij het versterkingsleerproject, wil het onderzoeksteam het concept verder ontwikkelen door niet-menselijke avatars te animeren met hetzelfde proces. Van de Panne zei tegen Wired dat hoewel het proces van het creëren van nieuwe animaties moeilijk kan zijn, hij er vertrouwen in heeft dat de technologie op een dag aantrekkelijke animaties kan weergeven.

Andere toepassingen van AI in de ontwikkeling van videospellen zijn onder andere de generatie van basis-spellen. Zo slaagden onderzoekers aan de Universiteit van Toronto erin een generatief tegenstrijdig netwerk te ontwerpen dat het spel Pac-Man kon recreëren zonder toegang tot enige code die werd gebruikt om het spel te ontwerpen. Elders gebruikten onderzoekers van de Universiteit van Alberta AI-modellen om niveaus van videospellen te genereren op basis van de regels van verschillende spellen zoals Super Mario Bros. en Mega Man.