וידאו: פעלולנים השחקנים עשוי להיות מוחלף על ידי זה א. טכנולוגיה יום אחד בקרוב

מערכת בינה מלאכותית חדשה פיתחה פעילי מחשב מונפשים שיכולים להפוך את סרטי הפעולה לקרים יותר מאי פעם. חוקרים מאוניברסיטת קליפורניה בברקלי פיתחו מערכת המסוגלת ליצור מחדש חלק מהמהלכים החלקים ביותר באומנויות לחימה, עם פוטנציאל להחליף שחקנים אנושיים אמיתיים.

UC ברקלי סטודנט לתואר שני Xue בן 'ג' ייסון 'פנג אומר את תוצאות הטכנולוגיה בתנועות שקשה להפריד בין אלה של בני אדם.

"זהו למעשה קפיצת מדרגה גדולה ממה שנעשה עם למידה עמוקה ואנימציה", אמר פנג בהצהרה שפורסמה עם מחקרו, שהוצגה בכנס SIGGRAPH לשנת 2018 באוגוסט בוונקובר שבקנדה באוגוסט. "בעבר, יש הרבה עבודה נכנס הדמיה תנועות טבעיות, אבל אלה שיטות מבוססות פיזיקה נוטים להיות מאוד מיוחדים; הם לא שיטות כלליות שיכולים להתמודד עם מגוון רחב של מיומנויות.

"אם תשווה את התוצאות שלנו ללכידת תנועה שנרשמה בבני אדם, אנחנו מגיעים לנקודה שבה קשה מאוד להבחין בין השניים, לספר מה היא סימולציה ומה אמיתי. אנחנו מתקדמים לעבר כפיל וירטואלי ".

מאמר על הפרויקט, המכונה דיפמיץ ', פורסם ביומן מעבר ACM. תרשים בחודש אוגוסט. בחודש ספטמבר, צוות עשה את הקוד ואת ההצעה ללכוד נתונים זמינים על GitHub עבור אחרים לנסות.

הצוות השתמש בטכניקות למידה מעמיקות כדי ללמד את המערכת איך לזוז. זה לקח תנועה ללכוד נתונים של הופעות בחיים האמיתיים, האכיל אותם לתוך המערכת ולהגדיר אותו לתרגל את המהלכים בסימולציה עבור המקבילה של חודש שלם, אימון 24 שעות ביממה. DeepMimic למדו 25 מהלכים שונים כמו בעיטות backflips, להשוות את התוצאות שלה בכל פעם כדי לראות עד כמה קרוב זה את הנתונים המקוריים mocap.

שלא כמו מערכות אחרות שאולי ניסה ו נכשל שוב ושוב, DeepMimic נשבר את המהלך לתוך צעדים אז אם זה נכשל בשלב מסוים, זה יכול לנתח את הביצועים שלה לצבוט ברגע הנכון בהתאם.

"ככל שהתקדמות זו תתקדם, אני חושב שהם יתחילו לשחק תפקיד גדול יותר ויותר בסרטים", אומר פנג הפוך. "עם זאת, מאז סרטים הם בדרך כלל לא אינטראקטיביים, טכניקות סימולציה אלה עשויה להיות השפעה מיידית יותר על משחקים VR.

"למעשה, הדמות מאומן באמצעות חיזוק למידה כבר למצוא את דרכם למשחקים. Indie משחקים יכול להיות מאוד נחמד הקרקע בדיקות עבור רעיונות אלה. אבל זה עלול לקחת זמן רב עוד לפני שהם מוכנים כותרות AAA, שכן עבודה עם דמויות מדומה דורשים שינוי דרסטי למדי מן צינורות הפיתוח המסורתי."

מפתחי משחקים מתחילים להתנסות בכלים אלה. אחד המפתחים הצליח להשתמש DeepMimic בתוך המשחק משחק אחדות:

גבירותי ורבותי, השלמנו את Backflip! מזל טוב לרינגו, aka StyleTransfer002.144 - באמצעות # unity3d + #MLAgents & #MarathonEnvs. StyleTransfer רכבות #ActiveRagoll מ MoCap נתונים aka Deepmimic http://t.co/gAGtYYeawE … #madewithunity pic.twitter.com/3iIoDsfdLe

- ג 'ו בות' (@ iAmVidyaGamer) 1 נובמבר 2018

פנג מקווה כי שחרור הקוד יאיץ את האימוץ. הוא גם מציין כי הצוות יש "דיבר עם מספר מפתחי המשחק ואת האולפנים אנימציה על יישומים אפשריים של עבודה זו, אם כי אני לא יכול להיכנס יותר מדי פרטים על זה עדיין."

מכונות במאבק קבוע עם מהלכים מורכבים, כפי שהוכח על ידי הרובוטים משחק כדורגל כי בשקט נופל על הדשא במקום השלמת כל מהלכים אוקטן גבוהה. יש סימנים להתקדמות, כמו א. מקבל אחיזה עם המורכבות של תנועות העולם האמיתי ומתחילים לתקן את עצמם יותר כמו בני אדם.

אולי DeepMimic יכול יום אחד ללמוד מהלך חדש תוך שניות, בדומה לניאו לומד קונג פו ב המטריקס.

קרא את תקציר להלן.

מטרה מתמשכת בהנפשת אופי היא לשלב נתונים מונחה נתונים של התנהגות עם מערכת שיכולה לבצע התנהגות דומה בסימולציה פיזית, ובכך לאפשר תגובות מציאותיות הפרעות ושינויים סביבתיים. אנו מראים כי שיטות חיזוק ידועות (RL) יכולות להיות מותאמות כדי ללמוד את מדיניות הבקרה החזקה המסוגלת לחקות מגוון רחב של קטעי תנועה לדוגמה, תוך כדי למידה של התאוששות מורכבת, התאמה לשינויים במורפולוגיה ולהשגת מטרות שנקבעו על ידי המשתמש. השיטה שלנו מטפלת בתנועות keyframed, פעולות דינמיות מאוד כגון תנועה- Captured הטלות ספינים, ו retargeted תנועות. על ידי שילוב של אובייקט חיקוי תנועה עם מטרת משימה, אנו יכולים לאמן תווים המגיבים בתבונה בהגדרות אינטראקטיביות, למשל על ידי הליכה בכיוון הרצוי או זריקת כדור ביעד שהוגדר על ידי המשתמש. גישה זו משלבת את הנוחות ואת איכות התנועה של שימוש בתנועה קליפים כדי להגדיר את הסגנון הרצוי ואת המראה, עם הגמישות ואת הכלליות המוענקות על ידי שיטות RL ואנימציה מבוסס פיזיקה. בנוסף, אנו חוקרים מספר שיטות לשילוב קליפים מרובים בתהליך הלמידה כדי לפתח סוכנים רב-מיומנים המסוגלים לבצע רפרטואר עשיר של מיומנויות מגוונות. אנו מדגימים תוצאות באמצעות מספר תווים (אדם, רובוט אטלס, דינוזאור ביפדאל, דרקון) וכן מגוון רחב של מיומנויות, כולל תנועה, אקרובטיקה, אומנויות לחימה.