AI 一個月訓練出「虛擬替身演員」能跳、能打鬥,又一批人類即將失業

作者 | 發布日期 2018 年 11 月 13 日 8:45 | 分類 AI 人工智慧 , 軟體、系統 follow us in feedly

據外媒 Inverse 報導,加州大學柏克萊分校的研究人員開發出新的 AI 系統,生成的電腦動畫特技演員可重現武術基本動作,未來有可能取代人類特技演員。



「這是深度學習和動畫的一次大躍進,」柏克萊分校研究生 Pang 今年 8 月於 SIGGRAPH 會議發表的研究報告說。「很多相關工作都是模擬自然運動,但沒有/無法提供多種技能運用的通用方法。它和以人類動作為標記的『動態捕捉』技術看上去很相似,但本質不同。我們的技術正朝著(塑造)虛擬替身演員邁進。」

計畫相關論文《DeepMimic》發表在 ACM Trans 雜誌。隨後團隊在 GitHub 提供程式碼和動作捕捉數據供其他人試用。

團隊使用「深層強化學習技術」(reinforcement learning,RL)教導系統如何移動。它從現實生活獲取動作捕捉數據,輸入系統,並讓系統模擬練習這些動作,模擬時間相當於一個月,每天 24 小時訓練。DeepMimic 學習 25 種不同的動作,比如踢腿和後空翻,每次比較結果,看它與原始動作捕捉數據的接近程度。

與其他可能反覆嘗試並失敗的系統不同,DeepMimic 將移動分解為多步驟,以便某時刻若失敗,它可以分析性能並在適當的時刻調整。

「隨著技術進步,我認為將開始在電影發揮越來越大的作用,」Pang 告訴 Inverse。「然而,由於電影通常沒有互動,這些模擬技術可能對遊戲和 VR 產生更直接的影響。」

事實上,對這些使用「RL」訓練的模擬角色,獨立遊戲就是很好的試驗場景。但它們可能需要更長時間才能準備好應用在 AAA 級遊戲,因為使用模擬字元需要大調整和改變傳統開發管道。Pang 表示,已與一些遊戲開發商和動畫工作室討論這項工作的可能應用,但暫未透露細節。

團隊表示,「角色動畫」的長期目標是,將數據驅動的行為規範,與能在物理模擬執行類似行為的系統相結合,進而讓角色能真實回應擾動和環境變化。加州大學柏克萊分校的實驗結果展示,RL 方法可用來學習、模仿非常多示範動作,達到用戶指定的目標。

方法是處理關鍵幀運動、高度動態的動作,如動態捕捉的翻轉、旋轉和重定向運動。透過結合動作模仿目標與任務目標,訓練角色在互動時智慧反應,例如,沿著想要的方向行走或向用戶指定的目標扔球。

因此,研究人員用「運動剪輯」來定義所需的樣式,使角色具備基於 RL 和物理動畫的靈活性和通用性。他們嘗試多種方法,將多個片段整合到學習過程,以開發具備多技能代理功能的動畫角色,並使用多個角色(人類、阿特拉斯機器人、雙足恐龍等)和多種技能來展示結果,包括移動、雜技和武術。

(本文由 36Kr 授權轉載;圖片來源:影片截圖)

延伸閱讀:

關鍵字: , , ,