Модель искусственного интеллекта может позволить разработчикам игр создавать реалистичные анимации

Группа исследователей из Electronic Arts недавно экспериментировала с различными алгоритмами искусственного интеллекта, включая модели обучения с подкреплением, для автоматизации аспектов создания видеоигр. Исследователи надеются, что модели ИИ могут сэкономить время их разработчиков и аниматоров при выполнении повторяющихся задач, таких как кодирование движения персонажей.

Разработка видеоигры, особенно больших видеоигр категории «АААА», разработанных крупными игровыми компаниями, требует тысяч часов работы. По мере того, как игровые приставки, компьютеры и мобильные устройства становятся все более мощными, сами видеоигры становятся все более и более сложными. Разработчики игр ищут способы производить больше игрового контента с меньшими усилиями, например, они часто предпочитают использовать алгоритмы процедурной генерации для создания ландшафтов и сред. Точно так же алгоритмы искусственного интеллекта можно использовать для создания уровней видеоигр, автоматизации тестирования игр и даже анимации движений персонажей.

Анимация персонажей для видеоигр часто завершается с помощью систем захвата движения, которые отслеживают движения реальных актеров, чтобы обеспечить более реалистичную анимацию. Однако этот подход имеет ограничения. Мало того, что код, который управляет анимацией, все еще должен быть написан, но аниматоры также ограничены только захваченными действиями.

Как сообщает Wired, исследователи из EA решили автоматизировать этот процесс и сэкономить время и деньги на этих анимациях. Группа исследователей продемонстрировала, что алгоритм обучения с подкреплением можно использовать для создания модели человека, которая движется реалистично, без необходимости вручную записывать и кодировать движения. Исследовательская группа использовала «вариационные автоэнкодеры движения» (Motion VAE) для выявления соответствующих моделей движения на основе данных захвата движения. После того, как автоэнкодеры извлекли шаблоны движения, система обучения с подкреплением была обучена данным с целью создания реалистичной анимации на основе определенных целей (например, бег за мячом в футбольном матче). Алгоритмы планирования и управления, использованные исследовательской группой, смогли генерировать желаемые движения, даже движения, которых не было в исходном наборе данных захвата движения. Это означает, что после изучения того, как субъект ходит, модель обучения с подкреплением может определить, как выглядит бег.

Джулиан Тогелиус, профессор Нью-Йоркского университета и соучредитель компании Modl.ai, занимающейся инструментами искусственного интеллекта, по словам Wired, сказал, что эта технология может быть весьма полезной в будущем и, вероятно, изменит способ создания контента для игр.

«Процедурная анимация будет огромной вещью. По сути, это автоматизирует большую часть работы, связанной с созданием игрового контента», — сказал Тогелиус. сказал Wired.

По словам профессора Мишеля ван де Панне из Университета Британской Колумбии, который участвовал в проекте обучения с подкреплением, исследовательская группа надеется развить эту концепцию, анимируя нечеловеческие аватары с помощью того же процесса. Ван де Панн сказал Wired, что, хотя процесс создания новых анимаций может быть довольно сложным, он уверен, что когда-нибудь технология сможет отображать привлекательные анимации.

Другие применения ИИ в разработке видеоигр включают создание базовых игр. Например, исследователям из Университета Торонто удалось разработать генеративно-состязательную сеть который мог бы воссоздать игру Pac-Man без доступа к какому-либо коду, используемому для разработки игры. В другом месте исследователи из Университета Альберты использовали модели ИИ для генерировать уровни видеоигр на основе правил различных игр, таких как Супер Марио и Mega Man.