贵阳建设职业技术学院招聘信息网站,外贸公司网址,苏州360推广 网站建设,wordpress 4.3.1 漏洞想开发出一款爆款游戏#xff0c;是一件难度极高的事情#xff0c;不仅要有精妙的内容设计#xff0c;精致的光影效果#xff0c;自然的动画建模#xff0c;还要投入相当多的资金和时间。现在#xff0c;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。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。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。图 | AI 制作的复刻版《吃豆人》最重要的是AI 没有获得任何游戏源代码也没有使用底层游戏引擎而且是在对规则一无所知的前提下完成了对游戏模式的复制。结合 EA 与 UBC 团队的研究成果不难发现在游戏开发和动画制作领域AI 技术的确具备进一步挖掘的潜力。UBC 教授 Michiel van de Panne 表示团队的下一步研究是利用强化学习在符合物理规律的虚拟环境中训练非人类游戏角色。这比基于动作捕捉数据训练 AI 更加困难因为这种思路就像是让 AI 学会从零创造全新的动画同时也很难量化玩家的喜好。“我期待看到真正可以充分发挥 AI 创造动画能力的东西” van de Panne 教授表示“这一天终将到来。”-End-参考:https://www.wired.com/story/game-makers-inject-ai-develop-more-lifelike-characters/https://www.cs.ubc.ca/~hyuling/projects/mvae/
