Virtuelle robotter, der lærer sig selv kung fu, kan revolutionere videospil

Berkeley Artificial Intelligence Research

I en ikke så fjern fremtid vil karakterer måske øve kungfu-spark i en digital dojo, før de bringer deres træk ind i det seneste videospil.

AI-forskere ved UC Berkeley og University of British Columbia har skabt virtuelle karakterer, der er i stand til at efterligne den måde, en person udfører kampsport, parkour og akrobatik på, og øver ubønhørligt bevægelser, indtil de får dem helt rigtige.

Værket kan ændre den måde, videospil og film laves på. I stedet for at planlægge en karakters handlinger med ulidelige detaljer, kan animatorer indføje ægte optagelser i et program og få deres karakterer til at mestre dem gennem øvelse. Sådan en karakter kunne falde ind i en scene og overlades til at udføre handlingerne.

Den samme algoritme kan bruges til at lære en lang række udfordrende fysiske færdigheder. Berkeley Artificial Intelligence Research

En kunstner kan give nogle få eksempler, og så kan systemet så generalisere til alle forskellige situationer, siger Jason Peng , en førsteårs ph.d.-studerende ved UC Berkeley, som udførte forskningen.

De virtuelle karakterer udviklet af AI-forskeren bruger en AI-teknik kendt som reinforcement learning, som er løst modelleret på måden dyr lærer på (se 10 Breakthrough Technologies 2017: Reinforcement Learning).

Forskerne fangede handlinger af ekspert kampsportsudøvere og akrobater. En virtuel karakter eksperimenterer med sin bevægelse og modtager positiv forstærkning, hver gang den kommer lidt tættere på den pågældende eksperts bevægelser. Tilgangen kræver, at en karakter har en fysisk realistisk krop og lever i en verden med præcise fysiske regler.

Det betyder, at den samme algoritme kan træne en karakter til at lave en backflip eller en moonwalk. Du kan faktisk løse en lang række problemer i animation, siger Sergey Levine , en adjunkt ved UC Berkeley, som er involveret i projektet.

De computergenererede karakterer i high-budget videospil og film ser måske realistiske ud, men de er lidt mere end digitale marionetter, efter et omhyggeligt koreograferet manuskript.

Animations- og computerspilsindustrien udforsker allerede brugen af ​​software, der automatisk tilføjer realistisk fysik til karakterer. James Jacobs, CEO Ziva Dynamics, et animationsfirma, der er specialiseret i at bygge karakterer med realistiske fysiske egenskaber, siger, at forstærkningslæring tilbyder en måde at bringe realisme til både adfærd og udseende. Indtil dette tidspunkt har folk lænet sig op af meget enklere tilgange, siger Jacobs. I dette tilfælde træner du en beregningsmodel til at forstå den måde, et menneske eller et væsen bevæger sig på, og så kan du bare dirigere det, begynde at anvende eksterne kræfter, og det vil tilpasse sig sit miljø.

Forstærkningslæringsprocessen involverer gradvise fremskridt - og det ulige fald. Berkeley Artificial Intelligence Research

Tilgangen kan have fordele, der går ud over videospil og specialeffekter. Rigtige robotter kan med tiden lære at udføre komplekse opgaver med simuleret praksis. En bot kan øve sig i at sætte en tabel sammen i simulering, for eksempel, før han prøver den i den virkelige verden.

Levine siger, at robotterne kan ende med at lære os nogle nye tricks. Hvis nogen vil lave en form for gymnastik, som ingen nogensinde har prøvet før, kan de i princippet tilslutte det til det her, og der er en god chance for, at der kommer noget meget fornuftigt ud, siger han.

skjule