フルビデオtut：youtu.be/lPfiMHQWP88
Ave、Coder！
現代のコンピューターゲームの世界の物理学は、特にアルカノイドのようなハイパーカジュアルやクラシックについてではなく、モデルを模倣するために各ジョイントが可能な限り自然に動くオープンワールドとリアルなモデルでのヒットについて話している場合、年々正確でジューシーになっています現実の世界から。
したがって、たとえば、コンピュータドッグの動きに不自然なものが見られると、すぐに脳に信号が送信されます。何かがおかしいのです。ゲーマーは正確に何が悪いのか理解できないかもしれませんが、脳は無意識のうちに見たものを実際の経験と比較しました。たとえば、犬がどのように動き、不正確さに気づいたかなどです。
したがって、開発者は通常、手作業でコーディングするのではなく、大量のモーションキャプチャをリアルタイムで記録し、後でゲームモデルに適合させます。
人工知能はこれらの目的で長い間使用されており、ゲームスタジオはそのおかげで実際の結果を達成することができましたが、今日は、少なくともそれが作成された地域で、競合他社をはるかに後回しにすることができる開発について説明します。しかし、このようなものはこれ以上スケーリングできないと誰が言いましたか？
バスケットボール。ドリブル。クレイジーダイナミクス。ラック。ボールの取り扱い。モデルはすばやく動き、方向を頻繁に変えます。このダイナミックな良さすべてが迅速に、強力に、そして一方で現実的に処理されるように、それは本当に壮大な解決策を必要とします。
また、AIには3時間のモーションキャプチャトレーニング資料しか提供されないという追加の課題があります。これは、他のニューラルネットワークが同様のタスクでトレーニングされるものと比較してバケットが減少します。
さらに、ニューラルネットワークは、トレーニングでは提示されなかったが、プレーヤー駆動モデルでは利用可能な動きをシミュレートできる必要があります。
制限を考えると、AIは少なくとも部分的にタスクに対処できなかったはずです。この3時間のトレーニングに含まれる動きは、ニューラルネットワークが問題なく適応するという想定がありましたが、新しいものを合成すると、より困難になり、モデルが不自然に動作する場合がありますが、結果はすべての期待を上回りました。
電子バスケットボールプレーヤーは、実際のプレーヤーを操作している間、狂人のようにコントロールボタンを押しても、動きの柔軟性を失うことはありませんでした。
そして、ちなみに、モデルの動作の多様性について。つまり、同じ状況でも動きは同じように見えますか？たとえば、ドリブルを考えてみましょう。人工知能は、モデルがドリブルする方法に多様性と変化を加え、それらを組み合わせて同じタイプの新しい動きを作成し、それでも制御に応答することができます。
ドリブルの例：
これは、わずか3時間の資料でトレーニングされたニューラルネットワークにとってはかなり印象的ですが、予想を超える可能性のあるものが他にもあります。
プレーヤーはボールをフープに投げてリバウンドすることもでき、ニューラルネットワークには7分未満のトレーニング資料が提供されていたにもかかわらず、モデルは自然に動作しました。
さらに、モデルは、トレーニング資料には含まれていなかったが、特定の状況に適していると見なされる動きを合成することができます。
ビデオの例からわかるように、1つのモデルは、フェーズ機能ニューラルネットワークに基づくトレーニング方法を使用して移動するようにトレーニングされ、もう1つのモデルはAI4Animationによって教えられます。
2つのモデルの比較：
2つのモデルの動きを比較すると、プレーヤーはAI4Animationバリアントの剛性が明らかに不足していることに気付くでしょう。つまり、生物に固有の動きの滑らかさと、モデルがサードパーティのオブジェクトであるボールを制御する方法です。
ドリブルするとき、Phase-Function Neural Networkによってトレーニングされたモデルは、モデルの動きを計算しやすくするために、ボールをプレーヤーの手に接着させますが、この場合、明らかな利点はありませんでした。
AI4Animationでは、モデルはプレーヤーの制御に対してより応答性が高いままであったため、見た目が快適であるだけでなく、制御することもできました。
ここで、このテクノロジーが5年または10年ではなく、たとえば1年で何ができるかを想像してみましょう。
どのくらい改善されますか？他にどのようなスポーツゲームに適用されますか？ただ...スポーツ？...ゲームでのみ？
この場合、作成者は非常に狭い専門分野、つまり、トレーニング用に提供された限られた量のデータのみに基づいて、バスケットボールをしている人間のモデルの自然な動きを合成する機能でニューラルネットワークをテストしましたが、モデルは制御可能であり、制御に適切に応答する必要がありました。そしてもちろん、品質はこれに苦しむべきではありませんでした。
それでは、この同じテクノロジーを他の問題にどのように適用できるかを見てみましょう。
たとえば、この描かれた「いい子」は、犬が人生で動くのと同じように動き、さらに、動きと歩行はコマンドと条件に見事に適応します。
「いい子」の例：
そしてここで、アヌビスは彼の神話のお尻をさまざまな家具に置くことに決めました、そしてマリシェバが言うように、それは自然にそれをします。
アヌビスの例：
または、「何？」でブラックボックスの配達人として働いてみてください。どこ？いつ？"。ドラムを回す方法を彼に教えることだけが残っています...
いずれにせよ、私たちはエジプトの死の神を確信することができます-彼はテレビでゴージャスな未来を持っています。
ここでそれをチェックすることができます：github.com/sebastianstarke/AI4Animation
それはVでした。チャンネル「Ave、Coder！」をチェックしてください。
アベニュー！