Mô hình AI có thể cho phép các nhà phát triển trò chơi tạo ra các hoạt ảnh giống như thật

Một nhóm các nhà nghiên cứu tại Electronic Arts đã thí nghiệm gần đây với các thuật toán trí tuệ nhân tạo khác nhau, bao gồm các mô hình học tăng cường, để tự động hóa các khía cạnh của việc tạo ra trò chơi video. Các nhà nghiên cứu hy vọng rằng các mô hình AI có thể giúp các nhà phát triển và họa sĩ hoạt hình tiết kiệm thời gian khi thực hiện các nhiệm vụ lặp đi lặp lại như mã hóa chuyển động của nhân vật.

Thiết kế một trò chơi video, đặc biệt là các trò chơi video lớn, đòi hỏi hàng nghìn giờ làm việc. Khi các máy chơi trò chơi video, máy tính và thiết bị di động trở nên mạnh mẽ hơn, các trò chơi video trở nên phức tạp hơn. Các nhà phát triển trò chơi đang tìm kiếm cách sản xuất nhiều nội dung trò chơi hơn với ít nỗ lực hơn, ví dụ, họ thường chọn sử dụng các thuật toán tạo ra thủ tục để tạo ra các phong cảnh và môi trường. Tương tự, các thuật toán trí tuệ nhân tạo có thể được sử dụng để tạo ra các cấp độ trò chơi, tự động hóa thử nghiệm trò chơi và thậm chí tạo ra các chuyển động của nhân vật.

Các hoạt ảnh nhân vật cho trò chơi video thường được hoàn thành với sự hỗ trợ của các hệ thống bắt chuyển động, theo dõi các chuyển động của diễn viên thực để đảm bảo các hoạt ảnh giống như thật hơn. Tuy nhiên, cách tiếp cận này cũng có những hạn chế. Không chỉ mã code điều khiển các hoạt ảnh vẫn cần được viết, mà các họa sĩ hoạt hình cũng bị giới hạn chỉ trong các hành động đã được bắt.

Theo Wired báo cáo, các nhà nghiên cứu từ EA đã thiết lập để tự động hóa quá trình này và tiết kiệm cả thời gian và tiền bạc cho các hoạt ảnh này. Đội ngũ các nhà nghiên cứu đã chứng minh rằng một thuật toán học tăng cường có thể được sử dụng để tạo ra một mô hình con người di chuyển một cách thực tế, mà không cần phải ghi và mã hóa các chuyển động một cách thủ công. Đội ngũ nghiên cứu đã sử dụng “Motion Variational Autoencoders” (Motion VAEs) để xác định các mẫu chuyển động liên quan từ dữ liệu bắt chuyển động. Sau khi các bộ tự động hóa trích xuất các mẫu chuyển động, một hệ thống học tăng cường đã được đào tạo với dữ liệu, với mục tiêu tạo ra các hoạt ảnh giống như thật dựa trên các mục tiêu nhất định (chẳng hạn như chạy theo bóng trong một trận đấu bóng đá). Các thuật toán lập kế hoạch và điều khiển được sử dụng bởi đội ngũ nghiên cứu đã có thể tạo ra các chuyển động mong muốn, thậm chí tạo ra các chuyển động không có trong tập dữ liệu bắt chuyển động ban đầu. Điều này có nghĩa là sau khi học cách một đối tượng đi, mô hình học tăng cường có thể xác định xem chạy trông như thế nào.

Giáo sư Julian Togelius, đồng sáng lập công ty công cụ AI Modl.ai, được Wired trích dẫn nói rằng công nghệ này có thể rất hữu ích trong tương lai và có khả năng thay đổi cách nội dung trò chơi được tạo ra.

“Procedural animation sẽ là một điều lớn. Nó cơ bản tự động hóa rất nhiều công việc đi vào xây dựng nội dung trò chơi,” Togelius nói với Wired.

Theo giáo sư Michiel van de Panne từ UBC, người đã tham gia vào dự án học tăng cường, đội ngũ nghiên cứu đang tìm cách đưa khái niệm này进一步 bằng cách tạo ra các hình đại diện không phải con người với cùng một quá trình. Van de Panne nói với Wired rằng mặc dù quá trình tạo ra các hoạt ảnh mới có thể rất khó khăn, nhưng ông tin rằng công nghệ sẽ có thể tạo ra các hoạt ảnh hấp dẫn vào một ngày nào đó.

Các ứng dụng khác của AI trong việc phát triển trò chơi video bao gồm việc tạo ra các trò chơi cơ bản. Ví dụ, các nhà nghiên cứu tại Đại học Toronto đã quản lý để thiết kế một mạng đối抗 tạo sinh có thể tái tạo trò chơi Pac-Man mà không cần truy cập vào bất kỳ mã code nào được sử dụng để thiết kế trò chơi. Ở nơi khác, các nhà nghiên cứu từ Đại học Alberta đã sử dụng các mô hình AI để tạo ra các cấp độ trò chơi dựa trên các quy tắc của các trò chơi khác nhau như Super Mario Bros. và Mega Man.