GIF-Bild: Yoshiboy2/YouTube
Mänsklig karaktär animation har blivit mycket bättre genom åren, men det är fortfarande en av de mest kända problem när du njuter av tv-spel. Animationerna är normalt en förutbestämd uppsättning av konserverad rörelser, och medan verklig nog att titta i rätt miljö, kan bryta helt uppslukande upplevelse när de herrelösa out of bounds. Uncanny valley är en särskilt svår att undkomma.
Annons
Nu har en forskargrupp från University of Edinburgh har utvecklat ett nytt sätt att animera spelet tecken med hjälp av neurala nätet computing, som kan hjälpa utvecklare att tjäna mer vätska och realistiska animationer, samtidigt som det minskar systemets resurser och tid. Video som visar den nya tekniken är en bluff:
Hjärnorna bakom den här videon, och en kompletterande rapport som publicerades i ACM Transaktioner, är Daniel Holden, Taku Komura och Jun Saito. När jag fick den video jag omedelbart nått ut till Holden för mer info. Exakt vad som gör detta skiljer sig från andra animation metoder, och vad som händer i det neurala nätet för att göra det magiska hända?
Neurala nätverk (eller Nn) är ett sätt att träna en dator med miljontals olika viktade data poäng. Med hjälp av algoritmer, en NN kan skapa helt nya utgångar på sitt eget, baserat på de uppgifter den har att referera till. Den framväxande teknik som vanligen används i ansiktsigenkänning, bildbehandling, och stock market prediction program.
“Hur neurala nätverk är i sig ganska abstrakt och svårt att förstå,” Holden som är upptagna i ett e-postmeddelande. Men i grund och botten, vad han och hans kollegor har gjort är att använda ett system som kallas en fas-fungerat neurala nätet, i vilka variabler som styr en karaktär rörelse och interaktion i miljön kan ändra på fluga. Hans mål var att utveckla komplicerade, mänskliga-liknande cyklisk rörelse som reagerar på lämpligt sätt för att användaren matar in. Som spelare mosa på egen hand eller flytta musen, det neurala nätet lär sig och utvecklas över tiden för att skapa en smidig animation.
“Vi ändra vikter av det neurala nätverket beroende på vilken tidpunkt i rörelseorganen cykel tecknet är”, förklarade Holden, de vikter som de uppgifter som påverkar vad som animationen kommer att bli. “Till exempel, när karaktären sätter vänster fot ner vikten av det neurala nätverket är annorlunda när karaktären sätter sin högra fot ner.”
Annons
Sponsrade
Resultatet? En drastisk minskning av den tid och ansträngning animatörer behöver för att nå det perfekta gång. Videon ovan används endast cirka 1,5 GB eller 2 timmar av motion capture-data, och animeringen behöver inte så mycket ombord processorkraft att göra. Holden anser att det kommer att “ta en del av bördan av animation programmerare att upprätthålla den enormt komplex animering system.”
Det tog 30 timmar av NN utbildning och 4 miljoner data punkter för att skapa animeringen i videon, och till mig, det ser ganska bra ut. Karaktären skickligt navigerar upp hinder, på lämpligt sätt påskyndar och bromsar baserat på input och reagerar därför till väggar och broar. Självklart, tredje-person-perspektiv spel kan dra nytta av den nya metoden, men VR erfarenheter är också medier där, för maximal nedsänkning, vi kommer att behöva hyper-realistiska rörelser.
Neurala nätverk har använts i spel innan, att utveckla motståndare AIs, men detta är ett bra exempel på hur tekniken kan göra utvecklare livet enklare. Holden har precis börjat ett nytt R&D jobb på Ubisoft, och samtidigt inte kan säga om tech kommer att användas där, han ser fram emot att se mer genomförandet i framtiden.
“Jag hoppas att denna teknik ändrar gameplay—förhoppningsvis denna typ av teknik kommer att ge designers spel att vara mer äventyrliga med den typ av miljöer som de skapar, säger Holden.
Bryson är en frilansande berättare som vill utforska universum med er.