211service.com
Virtuelle roboter som lærer seg kung fu kan revolusjonere videospill
Berkeley Artificial Intelligence Research
I en ikke så fjern fremtid kan karakterer trene kung-fu-spark i en digital dojo før de tar med seg bevegelsene sine inn i det nyeste videospillet.
AI-forskere ved UC Berkeley og University of British Columbia har skapt virtuelle karakterer som er i stand til å imitere måten en person utfører kampsport, parkour og akrobatikk på, og øver nådeløst på bevegelser til de får dem helt riktig.
Arbeidet kan forandre måten videospill og filmer lages på. I stedet for å planlegge en karakters handlinger i grusomme detaljer, kan animatører mate ekte opptak inn i et program og få karakterene deres til å mestre dem gjennom praksis. En slik karakter kan slippes inn i en scene og overlates til å utføre handlingene.
Den samme algoritmen kan brukes til å lære et bredt spekter av utfordrende fysiske ferdigheter. Berkeley Artificial Intelligence Research
En kunstner kan gi bare noen få eksempler, og så kan systemet generalisere til alle forskjellige situasjoner, sier Jason Peng , en førsteårs PhD-student ved UC Berkeley, som utførte forskningen.
De virtuelle karakterene utviklet av AI-forskeren bruker en AI-teknikk kjent som forsterkningslæring, som er løst modellert på måten dyr lærer på (se 10 Breakthrough Technologies 2017: Reinforcement Learning ).
Forskerne fanget handlingene til dyktige kampsportutøvere og akrobater. En virtuell karakter eksperimenterer med sin bevegelse og mottar positiv forsterkning hver gang den kommer litt nærmere bevegelsene til den eksperten. Tilnærmingen krever at en karakter har en fysisk realistisk kropp og bor i en verden med nøyaktige fysiske regler.
Det betyr at den samme algoritmen kan trene en karakter til å gjøre en backflip eller en månevandring. Du kan faktisk løse et stort spekter av problemer i animasjon, sier Sergey Levine , en assisterende professor ved UC Berkeley som er involvert i prosjektet.
De datagenererte karakterene i høybudsjetts videospill og filmer kan se realistiske ut, men de er lite mer enn digitale marionetter, etter et møysommelig koreografert manus.
Animasjons- og dataspillindustrien utforsker allerede bruken av programvare som automatisk legger til realistisk fysikk til karakterer. James Jacobs, administrerende direktør i Ziva Dynamics, et animasjonsselskap som spesialiserer seg på å bygge karakterer med realistiske fysiske egenskaper, sier forsterkningslæring tilbyr en måte å bringe realisme til både oppførsel og utseende. Frem til dette punktet har folk støttet seg på mye enklere tilnærminger, sier Jacobs. I dette tilfellet trener du en beregningsmodell for å forstå hvordan et menneske eller en skapning beveger seg, og så kan du bare styre den, begynne å bruke eksterne krefter, og den vil tilpasse seg omgivelsene.
Den forsterkende læringsprosessen innebærer å gjøre gradvis fremgang – og det merkelige fallet. Berkeley Artificial Intelligence Research
Tilnærmingen kan ha fordeler som går utover videospill og spesialeffekter. Ekte roboter kan etter hvert lære å utføre komplekse oppgaver med simulert praksis. En robot kan øve seg på å sette sammen en tabell i simulering, for eksempel før du prøver den i den virkelige verden.
Levine sier at robotene kan ende opp med å lære oss noen nye triks. Hvis noen vil gjøre en slags gymnastikk som ingen noen gang har prøvd før, kan de i prinsippet koble det inn i dette, og det er en god sjanse for at noe veldig fornuftig vil komme ut, sier han.