Modelo de IA Pode Permitir que Desenvolvedores de Jogos Gerem Animações Realistas

Uma equipe de pesquisadores da Electronic Arts (EA ) recentemente experimentou vários algoritmos de inteligência artificial, incluindo modelos de aprendizado por reforço, para automatizar aspectos da criação de jogos de vídeo. Os pesquisadores esperam que os modelos de IA possam economizar tempo para os desenvolvedores e animadores ao realizar tarefas repetitivas, como codificar o movimento de personagens.

Projetar um jogo de vídeo, particularmente os grandes jogos triple-A projetados por grandes empresas de jogos, requer milhares de horas de trabalho. À medida que os consoles de jogos, computadores e dispositivos móveis se tornam mais poderosos, os jogos de vídeo se tornam cada vez mais complexos. Os desenvolvedores de jogos estão procurando maneiras de produzir mais conteúdo de jogo com menos esforço, por exemplo, eles muitas vezes escolhem usar algoritmos de geração procedural para produzir paisagens e ambientes. Da mesma forma, algoritmos de inteligência artificial podem ser usados para gerar níveis de jogos de vídeo, automatizar testes de jogos e até mesmo animar movimentos de personagens.

Animações de personagens para jogos de vídeo são frequentemente concluídas com a ajuda de sistemas de captura de movimento, que rastreiam os movimentos de atores reais para garantir animações mais realistas. No entanto, essa abordagem tem limitações. Não apenas o código que impulsiona as animações ainda precisa ser escrito, mas os animadores também estão limitados apenas às ações que foram capturadas.

Como relatado pela Wired, pesquisadores da EA se propuseram a automatizar esse processo e economizar tempo e dinheiro nessas animações. A equipe de pesquisadores demonstrou que um algoritmo de aprendizado por reforço poderia ser usado para criar um modelo humano que se move de maneira realista, sem a necessidade de gravar e codificar manualmente os movimentos. A equipe de pesquisa usou “Motion Variational Autoencoders” (Motion VAEs) para identificar padrões de movimento relevantes a partir de dados de captura de movimento. Após os autoencoders extrairam os padrões de movimento, um sistema de aprendizado por reforço foi treinado com os dados, com o objetivo de criar animações realistas com base em certos objetivos (como correr atrás de uma bola em um jogo de futebol). Os algoritmos de planejamento e controle usados pela equipe de pesquisa foram capazes de gerar os movimentos desejados, até produzindo movimentos que não estavam no conjunto original de dados de captura de movimento. Isso significa que, após aprender como um assunto caminha, o modelo de aprendizado por reforço pode determinar como correr parece.

Julian Togelius, professor da NYU e co-fundador da empresa de ferramentas de IA Modl.ai, foi citado pela Wired como tendo dito que a tecnologia pode ser muito útil no futuro e provavelmente mudará a forma como o conteúdo de jogos é criado.

“A animação procedural será uma grande coisa. Ela basicamente automatiza muito do trabalho que vai para a construção de conteúdo de jogo”, disse Togelius à Wired.

De acordo com o professor Michiel van de Panne, da UBC, que esteve envolvido no projeto de aprendizado por reforço, a equipe de pesquisa está procurando levar o conceito mais longe, animando avatares não humanos com o mesmo processo. Van de Panne disse à Wired que, embora o processo de criar novas animações possa ser difícil, ele está confiante de que a tecnologia será capaz de renderizar animações atraentes algum dia.

Outras aplicações de IA no desenvolvimento de jogos de vídeo incluem a geração de jogos básicos. Por exemplo, pesquisadores da Universidade de Toronto conseguiram projetar uma rede adversária generativa que poderia recriar o jogo Pac-Man sem acesso a nenhum dos códigos usados para projetar o jogo. Em outro lugar, pesquisadores da Universidade de Alberta usaram modelos de IA para gerar níveis de jogos de vídeo com base nas regras de diferentes jogos, como Super Mario Bros. e Mega Man.