Модель AI може дозволити розробникам ігор створювати реалістичні анімації

Команда дослідників у Electronic Arts недавно експериментувала з різними алгоритмами штучного інтелекту, включаючи моделі навчання з підкріпленням, щоб автоматизувати аспекти створення відеоігор. Дослідники сподіваються, що моделі AI зможуть зберегти час розробникам і аніматорам на виконання повторюваних завдань, таких як кодування руху персонажів.

Створення відеогри, особливо великих, тріпл-А відеоігор, розроблених великими компаніями, вимагає тисяч годин роботи. Коли відеоігрові консолі, комп’ютери та мобільні пристрої стають потужнішими, самі відеоігри стають дедалі складнішими. Розробники ігор шукають способи створювати більше ігрового контенту з меншими зусиллями, наприклад, вони часто вибирають використання алгоритмів процедурної генерації для створення ландшафтів і середовищ. Аналогічно, алгоритми штучного інтелекту можна використовувати для генерації рівнів відеоігор, автоматизації тестування ігор та навіть анімації руху персонажів.

Анімації персонажів у відеоіграх часто створюються з допомогою систем захоплення руху, які відстежують рухи реальних акторів, щоб забезпечити більш реалістичні анімації. Однак цей підхід має обмеження. Не тільки код, який керує анімаціями, все ще потрібно написати, але аніматори також обмежені тільки діями, які були захоплені.

Як повідомляє Wired, дослідники з EA вирішили автоматизувати цей процес і зберегти час та гроші на цих анімаціях. Команда дослідників продемонструвала, що алгоритм навчання з підкріпленням можна використовувати для створення моделі людини, яка рухається реалістично, без необхідності ручного запису та кодування рухів. Дослідницька команда використала “Motion Variational Autoencoders” (Motion VAEs) для визначення відповідних моделей руху з даних захоплення руху. Після того, як автоенкодери витягнули моделі руху, система навчання з підкріпленням була навчена на даних з метою створення реалістичних анімацій на основі певних об’єктів (наприклад, біг за м’ячем у футбольній грі). Алгоритми планування та контролю, використані дослідницькою командою, були能够 генерувати бажані рухи, навіть створюючи рухи, яких не було в початковому наборі даних захоплення руху. Це означає, що після того, як модель навчиться, як людина ходить, модель навчання з підкріпленням може визначити, як виглядає біг.

Джуліан Тогеліус, професор NYU та співзасновник компанії Modl.ai, як повідомляє Wired, сказав, що ця технологія може бути досить корисною в майбутньому і, ймовірно, змінить спосіб створення контенту для ігор.

“Процедурна анімація буде величезною річчю. Вона фактично автоматизує багато роботи, яка вкладається у створення ігрового контенту”, – сказав Тогеліус Wired.

За словами професора Міхіеля ван де Панне з Університету Британської Колумбії, який був залучений до проекту навчання з підкріпленням, дослідницька команда планує продовжити цю концепцію, анімуючи не людські аватари тим же процесом. Ван де Панне сказав Wired, що хоча процес створення нових анімацій може бути досить складним, він впевнений, що технологія зможе одного дня створити привабливі анімації.

Інші застосування AI у розробці відеоігор включають генерацію базових ігор. Наприклад, дослідники з Університету Торонто змогли спроектувати генеративну суперницьку мережу, яка могла реконструювати гру Pac-Man без доступу до жодного коду, використаного для розробки гри. В іншому місці дослідники з Університету Альберти використали моделі AI для генерації рівнів відеоігор на основі правил різних ігор, таких як Super Mario Bros. та Mega Man.