GIF-Billede: Yoshiboy2/YouTube
Den menneskelige karakter animation har fået meget bedre i løbet af de år, men det er stadig en af de mest genkendelige spørgsmål, når afspilning af video-spil. Animationer er normalt en på forhånd fastlagt sæt af dåse bevægelser, og mens real nok at kigge i den rigtige indstilling, kan helt bryde den medrivende oplevelse, når de forvilder out of bounds. Den uhyggelige dal er en særlig hård en at undslippe.
Nu har et forskerhold fra University of Edinburgh har udviklet en ny måde at animere spil tegn ved hjælp af neurale net computing, som kan hjælpe udviklere med at gøre mere flydende og realistiske animationer, mens faldende system ressourcer og tid involveret. Den video, der demonstrerer den nye teknologi er legit:
Hovederne bag denne video, og en ledsagende dokument, der blev offentliggjort i ACM Transaktioner, er Daniel Holden, Taku Komura og Jun Saito. Da jeg fangede den video, jeg umiddelbart ud til at Holden for mere info. Hvad gør dette anderledes end andre animation metoder, og hvad der sker i den neurale net til at gøre det magiske ske?
Neurale netværk (eller Nc) er en måde at træne en computer med millioner af forskelligt vægtede data punkter. Ved hjælp af algoritmer, NN kan skabe helt nye resultater på egen hånd, baseret på de data, den har til reference. Den nye teknologi er almindeligt anvendt i facial anerkendelse, billedbehandling, og aktiemarkedet forudsigelse applikationer.
“Arbejdet i det neurale netværk, der i sig selv er ganske abstrakt og svært at forstå,” Holden optaget i en e-mail. Men dybest set, hvad han og hans kolleger har gjort, er at anvende et system, der kaldes en fase-fungerede neurale net, i hvilke variabler, der styrer en karakter, bevægelse og interaktion i miljøet kan ændre på farten. Hans mål var at udvikle indviklet, menneske-lignende cyklisk bevægelse, der reagerer hensigtsmæssigt på brugerens input. Som spillere mash på deres gamepads eller flytte en mus, neurale net lærer og udvikler sig over tid til at skabe en glidende animation.
“Vi ændrer vægten af de neurale netværk, afhængigt af hvilket tidspunkt i bevægelse cyklus karakter er,” forklarede Holden, de vægte, bliver de data, der påvirker hvad, vil animationen blive. “For eksempel, hvis karakter sætter deres venstre fod ned vægten af de neurale netværk, der er anderledes, når den karakter sætter deres fod ned.”
Resultatet? En drastisk reduktion i mængden af tid og kræfter animatorer har brug for at opnå det perfekte gangart. Videoen ovenfor kun brugt omkring 1,5 GB eller 2 timer, af motion capture data og animation ikke har brug for så meget forarbejdning om bord magt til at gøre. Holden mener, at det vil “tage noget af byrden fra animation programmører at opretholde enormt kompleks animation systemer.”
Det tog 30 timer af NN uddannelse og 4 millioner datapunkter til at skabe animation, video og, for mig, det ser temmelig godt. Karakter navigerer behændigt lagt hindringer i vejen, passende speeder op og bremser, der er baseret på input og reagerer i overensstemmelse hermed til vægge og broer. Det er klart, tredje-persons perspektiv spil kan få glæde af den nye metode, men VR oplevelser er også medier, hvor, for maksimal fordybelse, vi er nødt til hyper-realistisk bevægelse.
Neurale netværk har været brugt i gaming før, i at udvikle modstander AIs, men dette er et godt eksempel på, hvordan teknologien kan gøre udviklere liv lettere. Holden har lige startet en ny F&U job hos Ubisoft, og samtidig ude af stand til at sige, hvis tech kommer til at blive brugt her, er, at han ser frem til at se mere gennemførelse i fremtiden.
“Jeg håber, at denne teknik ikke ændre gameplay—forhåbentlig vil disse slags teknologier, der vil tillade spil designere til at være mere eventyrlystne med den slags miljøer, de skaber,” sagde Holden.
Bryson er en freelance historiefortæller, der ønsker at udforske universet med dig.