В скором будущем аниматорам не придётся тратить сотни часов на реализацию реалистичных движений героя видеоигры.
Исследователи из Эдинбургского университета разработали новую концепцию обучения в рамках проекта «Фазово-функциональная нейронная сеть» (Phase-Functioned Neural Network). Она использует машинное обучение для управления анимацией персонажей, сообщает Gaming Respawn.
Учёные представили нейронную сеть, основанную на искусственном интеллекте, для процедурного генерирования анимации модели, работающей на разных ландшафтах. PFNN обучается в сквозном режиме на большом наборе данных, состоящем из таких движений, как ходьба, бег, прыжки и скалолазание, вмонтированные в виртуальные среды. Система автоматически генерирует движения, в которых персонаж адаптируется к различным условиям, таким как бег по пересеченной местности, прыжки через препятствия, приседания и другие.
Работа системы состоит из трёх этапов: стадия предварительной обработки, стадия обучения и стадия выполнения. На этапе предварительной обработки устанавливается карта высот рельефа с использованием отдельной базы данных. На втором этапе PFNN обучается с использованием этих данных, создавая движения персонажа с учётом параметров управления. На этапе выполнения входные параметры непосредственно вводятся в систему для определения движения персонажа.
Ведущий исследователь проекта и разработчик Ubisoft Montreal Дэниел Холден (Daniel Holden) описал результаты проекта: «После обучения PFNN чрезвычайно быстр и компактен, требуя миллисекунды времени выполнения и несколько мегабайт памяти, даже при обучении на гигабайтах данных».
В ближайшем будущем PFNN собираются применить к созданию компьютерных игр. Сейчас аниматоры тратят сотни часов, чтобы реализовать реалистичные движения и анимацию лиц для игровых персонажей. Представленная система может снизить стоимость разработки, поскольку движения героев будут автоматически определены за короткое время и с высокой совместимостью.
Холден планирует представить нейронную сеть на конференции SIGGRAPH в августе 2017 года.