Virtuella robotar som lär sig själva kung fu kan revolutionera videospel

Berkeley Artificiell Intelligensforskning

Inom en inte så avlägsen framtid kanske karaktärer tränar kungfu-kick i en digital dojo innan de tar med sig sina drag till det senaste tv-spelet.

AI-forskare vid UC Berkeley och University of British Columbia har skapat virtuella karaktärer som kan imitera hur en person utövar kampsport, parkour och akrobatik, och tränar obevekliga rörelser tills de får dem helt rätt.

Arbetet kan förändra hur videospel och filmer skapas. Istället för att planera en karaktärs handlingar i ohyggliga detaljer, kan animatörer mata in riktiga bilder i ett program och få sina karaktärer att bemästra dem genom övning. En sådan karaktär kan släppas in i en scen och lämnas för att utföra handlingarna.

Samma algoritm kan användas för att lära ut ett brett utbud av utmanande fysiska färdigheter. Berkeley Artificiell Intelligensforskning

En konstnär kan bara ge några exempel, och sedan kan systemet generalisera till alla olika situationer, säger Jason Peng , en förstaårs doktorand vid UC Berkeley, som utförde forskningen.

De virtuella karaktärerna som utvecklats av AI-forskaren använder en AI-teknik som kallas förstärkningsinlärning, som är löst modellerad på hur djur lär sig (se 10 Breakthrough Technologies 2017: Reinforcement Learning ).

Forskarna fångade handlingar av expert kampsportare och akrobater. En virtuell karaktär experimenterar med sin rörelse och får positiv förstärkning varje gång den kommer lite närmare expertens rörelser. Tillvägagångssättet kräver att en karaktär har en fysiskt realistisk kropp och lever i en värld med korrekta fysiska regler.

Det betyder att samma algoritm kan träna en karaktär att göra en backflip eller en moonwalk. Man kan faktiskt lösa ett stort antal problem inom animation, säger man Sergey Levine , en biträdande professor vid UC Berkeley som är involverad i projektet.

De datorgenererade karaktärerna i videospel och filmer med hög budget kan se realistiska ut, men de är inte mycket mer än digitala marionetter, efter ett noggrant koreograferat manus.

Animations- och datorspelsindustrin undersöker redan användningen av programvara som automatiskt lägger till realistisk fysik till karaktärer. James Jacobs, VD för Ziva Dynamics, ett animationsföretag som specialiserat sig på att bygga karaktärer med realistiska fysiska egenskaper, säger att förstärkningsinlärning erbjuder ett sätt att föra realism till såväl beteende som utseende. Fram till denna punkt har människor lutat sig åt mycket enklare tillvägagångssätt, säger Jacobs. I det här fallet tränar du en beräkningsmodell för att förstå hur en människa eller en varelse rör sig, och sedan kan du bara styra den, börja applicera yttre krafter och den kommer att anpassa sig till sin miljö.

Den förstärkande inlärningsprocessen innebär att man gör gradvisa framsteg – och det udda fallet. Berkeley Artificiell Intelligensforskning

Tillvägagångssättet kan ha fördelar som går utöver videospel och specialeffekter. Riktiga robotar kan så småningom lära sig att utföra komplexa uppgifter med simulerad övning. En bot kan öva på att sätta ihop en tabell i simulering, till exempel, innan den provar den i den verkliga världen.

Levine säger att robotarna kan sluta lära oss några nya trick. Om någon vill göra någon form av gymnastikgrej som ingen någonsin har provat förut, så kan de i princip koppla in det i det här och det finns en god chans att något väldigt rimligt skulle komma ut, säger han.

Dölj