GIF-Bilde: Yoshiboy2/YouTube
Menneskelig karakter animasjon har blitt mye bedre med årene, men det er fortsatt en av de mest gjenkjennelige problemer når nyte video spill. Animasjonene er normalt et forhåndsbestemt sett av hermetikk bevegelser, og mens ekte nok ute i den rette innstillingen, kan helt bryte oppslukende opplevelse når de bortkommen ut av banen. The uncanny valley er en spesielt vanskelig å unnslippe.
Nå, et forskerteam fra University of Edinburgh har utviklet en ny måte å få liv i karakterene ved hjelp av nevrale nettet computing, som kan hjelpe utviklere med å lage mer flytende og realistiske animasjoner, samtidig redusere den system ressurser og tid som er involvert. Videoen viser den nye teknologien er legit:
Hjernene bak denne videoen, og en tilhørende artikkel publisert i ACM Transaksjoner, er Daniel Holden, Taku Komura og Jun Saito. Når jeg tok video, jeg umiddelbart nådd ut til Holden for mer info. Hva gjør dette annerledes enn andre animasjon metoder, og hva som skjer i det nevrale nettet for å gjøre den magiske skje?
Nevrale nettverk (eller NNs) er en måte å trene en datamaskin med millioner av ulikt vektet data poeng. Ved hjelp av algoritmer, en NN kan skape helt nye utganger på egen hånd, basert på data det har til referanse. Den nye teknologien er ofte brukt i ansiktsgjenkjenning, image processing og stock market prediction programmer.
“Hvordan nevrale nettverk er i seg selv ganske abstrakt og vanskelig å forstå,” Holden innrømmet i en e-post. Men i utgangspunktet, hva han og hans kolleger har gjort, er å benytte et system som kalles en fase-fungerte nevrale nett, der variabler som kontrollerer en karakter bevegelse og samspill i naturen kan endre på fly. Hans mål var å utvikle intrikate, menneske-som syklisk bevegelse som reagerer på riktig måte for brukeren innganger. Som spillere mos på deres spillkontroller eller bevege musen, neural net lærer og utvikler seg over tid for å skape en sømløs animasjon.
“Vi endre vektingen av de nevrale nettverk avhengig av på hvilket tidspunkt i bevegelse syklus karakteren er,” forklarte Holden, de vekter blir dataene som påvirker hva vil animasjon bli. “For eksempel, når karakter, setter sin venstre fot ned i vekt av det nevrale nettverket er ulike når karakter, setter sin høyre fot ned.”
Og resultatet? En drastisk reduksjon i mengden av tid og krefter animatører trenger for å oppnå det perfekte gangart. Videoen ovenfor bare brukt ca 1,5 GB eller 2 timer, motion capture data, og animasjonen trenger ikke så mye på-styret behandler makt å gjøre. Holden mener det vil “ta litt av byrden av animasjon programmerere å opprettholde den svært komplekse animasjoner systemer.”
Det tok 30 timer NN opplæring og 4 millioner data poeng for å lage en animasjon i filmen og, for meg, det ser ganske bra. Tegnet deftly navigerer hevet hindringer, riktig hastigheter opp og bremser ned basert på input og reagerer deretter på veggene og broer. Åpenbart, tredje-person perspektiv spill kan ha nytte av den nye tilnærmingen, men VR erfaringer er også medier der, for maksimal innlevelse, vi kommer til å trenge hyper-realistisk bevegelse.
Nevrale nettverk har vært brukt i spill før, i å utvikle motstander AIs, men dette er et godt eksempel på hvordan teknologi kan gjøre utviklerne’ liv enklere. Holden nettopp startet en ny fou-jobb hos Ubisoft, og mens du er ute av stand til å si om tech kommer til å bli brukt der han er, ser han frem til å se mer implementering i fremtiden.
“Jeg håper at denne teknikken ikke endre gameplay—forhåpentligvis disse slags teknologier vil tillate spill designere å være mer eventyrlystne med den type miljøer de skaper,” sa Holden.
Bryson er en freelance historieforteller som ønsker å utforske universet med deg.