Model AI może pozwolić twórcom gier generować realistyczne animacje

Zespół badaczy z Electronic Arts przeprowadził ostatnio eksperymenty z różnymi algorytmami sztucznej inteligencji, w tym modelami uczenia się przez wzmacnianie, aby zautomatyzować aspekty tworzenia gier wideo. Naukowcy mają nadzieję, że modele sztucznej inteligencji pozwolą programistom i animatorom zaoszczędzić czas podczas wykonywania powtarzalnych zadań, takich jak kodowanie ruchu postaci.

Projektowanie gier wideo, szczególnie dużych gier wideo klasy A, projektowanych przez duże firmy produkujące gry, wymaga tysięcy godzin pracy. W miarę jak konsole do gier wideo, komputery i urządzenia mobilne stają się coraz potężniejsze, same gry wideo stają się coraz bardziej złożone. Twórcy gier szukają sposobów na stworzenie większej zawartości gier przy mniejszym wysiłku, na przykład często decydują się na użycie algorytmów generowania proceduralnego do tworzenia krajobrazów i środowisk. Podobnie algorytmy sztucznej inteligencji można wykorzystać do generowania poziomów gier wideo, automatyzacji testowania gier, a nawet animowania ruchów postaci.

Animacje postaci do gier wideo są często uzupełniane przy pomocy systemów przechwytywania ruchu, które śledzą ruchy prawdziwych aktorów, aby zapewnić animacje bardziej realistyczne. Jednak to podejście ma ograniczenia. Nie tylko kod sterujący animacjami nadal wymaga napisania, ale animatorzy są również ograniczeni tylko do przechwyconych działań.

Jak donosi Wired, badacze z EA postanowili zautomatyzować ten proces i zaoszczędzić czas i pieniądze na tych animacjach. Zespół naukowców wykazał, że algorytm uczenia się przez wzmacnianie można wykorzystać do stworzenia modelu człowieka poruszającego się w realistyczny sposób, bez konieczności ręcznego rejestrowania i kodowania ruchów. Zespół badawczy wykorzystał „automatyczne enkodery wariacyjne ruchu” (Motion VAE) do zidentyfikowania odpowiednich wzorców ruchu na podstawie danych pochodzących z przechwytywania ruchu. Po wyodrębnieniu wzorców ruchu przez autoenkodery przeszkolono na podstawie danych system uczenia się przez wzmacnianie, aby stworzyć realistyczne animacje oparte na określonych celach (takich jak bieganie za piłką podczas meczu piłki nożnej). Algorytmy planowania i kontroli zastosowane przez zespół badawczy były w stanie wygenerować pożądane ruchy, nawet te, których nie było w oryginalnym zestawie danych przechwytywania ruchu. Oznacza to, że po nauczeniu się, jak badany chodzi, model uczenia się przez wzmacnianie może określić, jak wygląda bieganie.

Julian Togelius, profesor Uniwersytetu Nowojorskiego i współzałożyciel firmy Modl.ai zajmującej się narzędziami AI, został zacytowany przez Wired, mówiąc, że technologia ta może być bardzo użyteczna w przyszłości i prawdopodobnie zmieni sposób tworzenia treści do gier.

„Animacja proceduralna będzie ogromną rzeczą. Zasadniczo automatyzuje wiele pracy związanej z tworzeniem zawartości gry” – Togelius powiedział Wiredowi.

Według profesora Michiela van de Panne z UBC, który był zaangażowany w projekt uczenia się przez wzmacnianie, zespół badawczy zamierza rozwinąć tę koncepcję, animując awatary inne niż ludzie w tym samym procesie. Van de Panne powiedział Wired, że chociaż proces tworzenia nowych animacji może być dość trudny, ma pewność, że pewnego dnia technologia będzie w stanie renderować atrakcyjne animacje.

Inne zastosowania sztucznej inteligencji w tworzeniu gier wideo obejmują generowanie podstawowych gier. Udało się to na przykład badaczom z Uniwersytetu w Toronto zaprojektować generatywną sieć kontradyktoryjną które mogłyby odtworzyć grę Pac-Man bez dostępu do jakiegokolwiek kodu użytego do zaprojektowania gry. W innym miejscu naukowcy z Uniwersytetu Alberty wykorzystali do tego modele sztucznej inteligencji generuj poziomy gier wideo w oparciu o zasady różnych gier, takich jak Super Mario Bros i Mega Man.