你在視頻中看到的似乎是人工智能領(lǐng)域的一大突破：一個虛擬角色正在通過AI實(shí)時“學(xué)習(xí)”如何進(jìn)行運(yùn)球。“DeepDribble”是DeepMotion和卡內(nèi)基梅隆大學(xué)研究人員的一個項(xiàng)目，他們希望演示由AI控制的虛擬角色如何獲取復(fù)雜而微妙的綜合物理技能與協(xié)調(diào)，一種人類認(rèn)為是理想當(dāng)然的能力。

“籃球以復(fù)雜的控球，快速旋轉(zhuǎn)和假動作而著稱。一名優(yōu)秀的球員能夠流暢切換各種運(yùn)球技巧。為了還原這一點(diǎn)，訓(xùn)練有素的角色需要能夠在一系列單獨(dú)訓(xùn)練的動作之間過渡… Libin Liu和Jessica Hodgins采用相同的方法來訓(xùn)練單一技能，從而創(chuàng)建多技能控制圖表(支持切換兩種不同技能的運(yùn)動片段)。訓(xùn)練是逐步進(jìn)行，一個動作接一個動作，從而確保每種技能之間存在適當(dāng)?shù)倪^渡。結(jié)果是一個能夠以各種順序執(zhí)行多種控球技術(shù)的球員。”

DeppMotion的Libin Liu表示：“我們首先構(gòu)建了一個數(shù)字角色的生物機(jī)械模型，利用物理來刺激骨骼和虛擬肌肉。我們將數(shù)字角色置放于物理模擬的虛擬世界中，并令其模仿真實(shí)球員是如何使用肌肉力量來執(zhí)行動作。”

正如你想象的一樣，訓(xùn)練過程需要大量的性能，但Libin Liu表示學(xué)習(xí)時間與一場轉(zhuǎn)播的NBA比賽相當(dāng)，或者甚至只需一半時間。

“我們的方法是動態(tài)的，我們采用線性方法來實(shí)現(xiàn)簡單的運(yùn)動和加深強(qiáng)化學(xué)習(xí)，從而獲取復(fù)雜的運(yùn)動技能。處理能力和訓(xùn)練時間同樣取決于參考運(yùn)動的長度。總體而言，一個中端服務(wù)器的所需時間從一小時到幾小時不等。我們有空間通過云端或更快速的服務(wù)器實(shí)現(xiàn)并行處理來進(jìn)一步縮短訓(xùn)練時間。”

這非常不同于大多數(shù)游戲中由計(jì)算機(jī)控制的角色，其運(yùn)動都是映射真實(shí)籃球運(yùn)動球的動捕姿勢。DeepMotion的首席執(zhí)行官Xiang Lin表示，DeepDribble是一種全新的方法，而且可以擴(kuò)展至VR和AR應(yīng)用程序，以及最終的真實(shí)用例。

Xiang Lin表示：“我們的方法從根本上不同于當(dāng)前的游戲3D動畫，后者是以更為靜態(tài)的方式回放錄制的動捕數(shù)據(jù)。我們的方式可以輕松擺脫普遍的偽影，比如說雙腳打滑和物理上不夠逼真的籃球運(yùn)動，這經(jīng)常出現(xiàn)在最新的籃球游戲中。”

“我們的技術(shù)不僅可以在3A游戲中創(chuàng)建逼真的動畫，還可以在VR/AR中生成交互式角色。例如，開玩VR游戲的孩子可以從虛擬職業(yè)球員那里斷球。另外，我們的技術(shù)采用與機(jī)器人相同的基礎(chǔ)，其中角色由力和扭矩驅(qū)動，并在物理定律下移動。它可以擴(kuò)展至驅(qū)動真實(shí)機(jī)器人，支持其執(zhí)行手部模擬和類人運(yùn)動。”

來源：yivian