A inteligência artificial foi para o basquete e Anúbis - para construir uma carreira na televisão



Vídeo completo tut: youtu.be/lPfiMHQWP88



Ave, Coder!



A física no mundo dos jogos de computador modernos está se tornando mais precisa e suculenta a cada ano, especialmente se não estivermos falando de hipercasuais e clássicos como o Arkanoid, mas de sucessos com um mundo aberto e modelos realistas, nos quais cada junta se move o mais naturalmente possível para imitar os modelos do mundo real.



E, portanto, quando nosso olho vê algo anormal no movimento de um cão computadorizado, por exemplo, ele imediatamente envia um sinal ao cérebro - algo está errado. Talvez o jogador não entenda o que exatamente está errado, mas o cérebro subconscientemente comparou o que viu com a experiência da vida real, por exemplo, a maneira como o cão se move e percebeu imprecisões.



Portanto, os desenvolvedores normalmente não o codificam manualmente, mas gravam toneladas de captura de movimento em tempo real e depois adaptam para modelos de jogos.



A inteligência artificial tem sido usada há muito tempo para esses fins e os estúdios de jogos têm conseguido resultados reais graças a ela, mas hoje vamos falar sobre desenvolvimento que pode deixar os concorrentes para trás - pelo menos na área para a qual foi criada. Mas quem disse que algo assim não pode ser ampliado?



Basquetebol. Driblando. Dinâmica louca. Racks. Manuseando a bola. Os modelos se movem rapidamente, mudando de direção com frequência. Será necessária uma solução realmente grandiosa para que toda essa bondade dinâmica seja processada de forma rápida, poderosa e, entretanto, de forma realista.



E um desafio adicional está no fato de que a IA recebe apenas três horas de material de treinamento de captura de movimento, o que é uma gota d'água em comparação com o que outras redes neurais são treinadas para tarefas semelhantes.



Além disso, a rede neural deve ser capaz de simular movimentos que não foram apresentados no treinamento, mas estavam disponíveis para o modelo acionado pelo jogador.



Parece que, dadas as limitações, a IA não teria sido capaz de lidar com a tarefa, pelo menos parcialmente. Havia suposições de que os movimentos incluídos nessas três horas de treinamento, a rede neural se adaptaria sem problemas, mas com a síntese de novas será mais difícil e, portanto, os modelos se comportarão de forma anormal em alguns pontos, mas o resultado superou todas as expectativas.



Ao controlar um jogador real, o jogador de basquete eletrônico não perdia a plasticidade nos movimentos, mesmo que o jogador pressionasse os botões de controle como um louco.



E, a propósito, sobre a variedade de comportamento do modelo. Ou seja, os movimentos parecem iguais para as mesmas situações? Pegue o drible, por exemplo - a IA é capaz de adicionar variedade e mudar a forma como um modelo dribla, combiná-los para criar novos movimentos do mesmo tipo e ainda responder ao controle.



Exemplo de drible:







Isso é bastante impressionante para uma rede neural que foi treinada com apenas três horas de material, mas há algo mais que pode ir além das expectativas.



O jogador também pode lançar a bola para o aro e rebote e o modelo se comportou naturalmente, apesar do fato de que a rede neural foi fornecida com menos de sete minutos de material de treinamento.



E, além disso, o modelo é capaz de sintetizar movimentos que não estavam no material de treinamento, mas que considera adequados para determinadas situações.



Como você pode ver no exemplo de vídeo, um modelo é treinado para se mover usando um método de treinamento baseado na Rede Neural de Função de Fase e o outro é ensinado pela AI4Animation.



Comparação dos dois modelos:





Ao comparar os movimentos dos dois modelos, os jogadores notaram uma clara falta de rigidez na variante AI4Animation: a suavidade dos movimentos inerentes aos organismos vivos e a forma como o modelo controla um objeto de terceiros - uma bola.



Ao driblar, o modelo treinado pela Rede Neural Função de Fase força a bola a ficar, por assim dizer, colada na mão do jogador apenas para facilitar o cálculo dos movimentos do modelo, mas neste caso não trouxe uma vantagem óbvia.



Em AI4Animation, o modelo permaneceu mais responsivo ao controle do jogador e, portanto, não era apenas mais agradável de se olhar, mas também de controlá-lo.



Agora vamos imaginar do que essa tecnologia será capaz, nem mesmo em cinco ou dez anos, mas já, digamos, em um ano.



Quanto vai melhorar? Em que outros jogos esportivos ele encontrará aplicação? Apenas ... esportes? Apenas em ... jogos?



Neste caso, os criadores testaram a rede neural em uma especialização muito estreita, ou seja, a capacidade de sintetizar os movimentos naturais de modelos humanos jogando basquete, com base apenas em uma quantidade limitada de dados fornecidos para o treinamento, enquanto os modelos tiveram que permanecer controláveis ​​e responder adequadamente ao controle. E, claro, a qualidade não deveria ter sofrido com isso.



Agora vamos ver como essa mesma tecnologia pode ser aplicada a outros problemas.



Por exemplo, este “bom menino” desenhado se move exatamente como os cães se movem em vida; além disso, os movimentos e a marcha se adaptam com maestria aos comandos e condições.



Exemplo com um "bom menino":





E aqui Anúbis decide colocar sua bunda mitológica em vários móveis e, como diria Malysheva, o faz naturalmente.



Exemplo de Anubis:







Ou tentando trabalhar como entregador de caixas pretas em “O quê? Onde? Quando?". Resta apenas ensiná-lo a girar o tambor ...



Em qualquer caso, podemos ter certeza que o deus egípcio da morte - ele terá um futuro lindo na televisão.



Você pode conferir aqui: github.com/sebastianstarke/AI4Animation



Era V. Confira o canal Ave, Coder!



Ave!



All Articles