江苏龙网

  1. 首页 > 资讯 > 科技 > >

DeepTech深科技|EA公司教AI制作游戏角色，行动流畅自然，全程无需人类介入

想开发出一款爆款游戏 ， 是一件难度极高的事情 ， 不仅要有精妙的内容设计 ， 精致的光影效果 ， 自然的动画建模 ， 还要投入相当多的资金和时间 。现在 ， 美国游戏公司艺电（EA）正在与加拿大不列颠哥伦比亚大学（UBC）合作 ， 尝试在游戏开发中引入强化学习技术 ， 用于制作角色模型和动作控制系统 ， 希望可以让 AI 学会制作游戏角色 ， 使其行为模式更加逼真 ， 同时简化和加速游戏研发流程 。研究团队通过强化学习和深度生成模型 Motion VAE（变分自动编码器） ， 在没有使用传统编程和动画制作的情况下 ， 生成了可控的足球运动员角色 ， 能够做到跑动、传球、射门和头球等动作 ， 行动流畅自然 ， 基本符合人类的运动模式 。EA 高级软件工程师法比奥 · 钦诺（Fabio Zinno）认为 ， 这项研究成果非常令人鼓舞 ， 体现了 AI 拥有的巨大潜力 。 该研究成果将于今年 7 月在 SIGGRAPH 2020 计算机图形大会上发布 。【DeepTech深科技|EA公司教AI制作游戏角色，行动流畅自然，全程无需人类介入】
DeepTech深科技|EA公司教AI制作游戏角色，行动流畅自然，全程无需人类介入
本文插图
图 | AI 生成的折返跑和头球动作（来源：Character Controllers Using Motion VAEs/ACM） 通常来说 ， 制作电子游戏中的角色及其动作需要花费大量时间 。以 FIFA 一类的体育游戏为例 ， 为了呈现逼真的动作 ， 需要用到动作捕捉技术来追踪真人的面部和肢体动作 。 不过这种方法局限了动作的可能性 ， 游戏角色只能表现出已记录的动作 ， 而且还需要大量的编程工作 ， 为游戏角色制作动画 。基于这点 ， EA 和 UBC 的研究人员才看中了人工智能技术 ， 希望可以自动化动画设计过程 ， 让 AI 代劳去制作带有目的性的动作模式 ， 比如射门和带球跑动 ， 还要允许人类控制 。为了制作角色 ， 研究人员训练了一套机器学习模型 ， 用来识别和复刻运动捕捉数据中的统计学模式 。 例如跑步这种动作 ， 对应着一系列有规律可循的数据点 ， 那么反过来看 ， 出现这些数据就说明人物在跑动 。 所以如果 AI 能够实现特定的数据排列 ， 就可以控制人物跑动 。随后他们又使用强化学习技术训练了另一个模型 ， 负责重现带有特定目标的真实动作 ， 比如在游戏中向一个球跑过去 。 在这个过程中 ， 模型会生成不拘泥于动作捕捉数据的动画模式 。DeepTech深科技|EA公司教AI制作游戏角色，行动流畅自然，全程无需人类介入
本文插图
图 | AI 可以进行多种目标不同的行动 换句话说 ， 这套模型能够学习足球运动员是如何运动的 ， 然后自发地制作角色的慢跑 ， 冲刺 ， 带球跑动和过人等动作的动画 。 全程无需人类介入 ， 也不涉及传统的编程和动画制作流程 。纽约大学教授朱利安 · 图吉利斯（Julian Togelius）表示 ， “我认为将动画制作程序化将是一件大事 。 这项技术绝对有很多不同的用途 。 利用强化学习可以实现自动化和流程化 ， 这将改变游戏内容的创造方式 。 ” EA 的研究人员强调 ， 利用机器学习技术开发游戏或者加速游戏制作过程 ， 广泛适用于动作和角色扮演类游戏 ， 可以让游戏内容更具拓展性、随机性和创造性 。 同时这种方式还可以提高设计效率 ， 对于构建日趋复杂的游戏世界以及建模和动画制作流程意义重大 。不过研究团队也清楚 ， 对于游戏业界来说 ， 距离广泛普及 AI 生产力工具还有很长的路要走 ， 至少要数年的时间 。根本原因在于 ， 一些机器学习算法难以理解和调试 ， 独立游戏制作人和小型工作室可能缺乏足够的资源 ， 心有余而力不足 。 而对于投资巨大的 3A 级游戏来说 ， 贸然尝鲜一旦失败 ， 后果十分严重 ， 哪怕在中途转型传统技术 ， 也会背负巨大的心理和资源压力 ， 造成一种得不偿失的现象 。幸运的是 ， 现在仍然有团队愿意尝试相关研究 。最近 ， 在经典游戏《吃豆人》发行 40 周年之际 ， 英伟达 ， 多伦多大学和麻省理工学院的研究人员就推出了一个 AI 复刻制作版本 。 通过一个名为 GameGAN 的模型 ， AI 仅仅通过观看 5 万场吃豆人游戏 ， 就学会了制作一个简易复刻版 ， 虽然清晰度不高 ， 但加入了 AI 生成的新场景 。


推荐阅读


上一篇：电动车第一线|新国标车与老国标车到底有什么区别？该怎么选择？老师傅告诉你！

下一篇：|当年扬言要“毁灭人类”的机器人，如今获得公民身份，你怕了吗？