DeepTech深科技|行动流畅自然，全程无需人类介入，EA公司教AI制作游戏角色想开发出一款爆款游戏

想开发出一款爆款游戏，是一件难度极高的事情，不仅要有精妙的内容设计，精致的光影效果，自然的动画建模，还要投入相当多的资金和时间。现在，美国游戏公司艺电（EA）正在与加拿大不列颠哥伦比亚大学（UBC）合作，尝试在游戏开发中引入强化学习技术，用于制作角色模型和动作控制系统，希望可以让AI学会制作游戏角色，使其行为模式更加逼真，同时简化和加速游戏研发流程。研究团队通过强化学习和深度生成模型MotionVAE（变分自动编码器），在没有使用传统编程和动画制作的情况下，生成了可控的足球运动员角色，能够做到跑动、传球、射门和头球等动作，行动流畅自然，基本符合人类的运动模式。 EA高级软件工程师法比奥·钦诺（FabioZinno）认为，这项研究成果非常令人鼓舞，体现了AI拥有的巨大潜力。该研究成果将于今年7月在SIGGRAPH2020计算机图形大会上发布。

文章图片
图|AI生成的折返跑和头球动作（来源：CharacterControllersUsingMotionVAEs/ACM）通常来说，制作电子游戏中的角色及其动作需要花费大量时间。以FIFA一类的体育游戏为例，为了呈现逼真的动作，需要用到动作捕捉技术来追踪真人的面部和肢体动作。不过这种方法局限了动作的可能性，游戏角色只能表现出已记录的动作，而且还需要大量的编程工作，为游戏角色制作动画。基于这点， EA和UBC的研究人员才看中了人工智能技术，希望可以自动化动画设计过程，让AI代劳去制作带有目的性的动作模式，比如射门和带球跑动，还要允许人类控制。为了制作角色，研究人员训练了一套机器学习模型，用来识别和复刻运动捕捉数据中的统计学模式。例如跑步这种动作，对应着一系列有规律可循的数据点，那么反过来看，出现这些数据就说明人物在跑动。所以如果AI能够实现特定的数据排列，就可以控制人物跑动。随后他们又使用强化学习技术训练了另一个模型，负责重现带有特定目标的真实动作，比如在游戏中向一个球跑过去。在这个过程中，模型会生成不拘泥于动作捕捉数据的动画模式。

文章图片
图|AI可以进行多种目标不同的行动换句话说，这套模型能够学习足球运动员是如何运动的，然后自发地制作角色的慢跑，冲刺，带球跑动和过人等动作的动画。全程无需人类介入，也不涉及传统的编程和动画制作流程。纽约大学教授朱利安·图吉利斯（JulianTogelius）表示， “我认为将动画制作程序化将是一件大事。这项技术绝对有很多不同的用途。利用强化学习可以实现自动化和流程化，这将改变游戏内容的创造方式。 ”EA的研究人员强调，利用机器学习技术开发游戏或者加速游戏制作过程，广泛适用于动作和角色扮演类游戏，可以让游戏内容更具拓展性、随机性和创造性。同时这种方式还可以提高设计效率，对于构建日趋复杂的游戏世界以及建模和动画制作流程意义重大。不过研究团队也清楚，对于游戏业界来说，距离广泛普及AI生产力工具还有很长的路要走，至少要数年的时间。根本原因在于，一些机器学习算法难以理解和调试，独立游戏制作人和小型工作室可能缺乏足够的资源，心有余而力不足。而对于投资巨大的3A级游戏来说，贸然尝鲜一旦失败，后果十分严重，哪怕在中途转型传统技术，也会背负巨大的心理和资源压力，造成一种得不偿失的现象。幸运的是，现在仍然有团队愿意尝试相关研究。最近，在经典游戏《吃豆人》发行40周年之际，英伟达，多伦多大学和麻省理工学院的研究人员就推出了一个AI复刻制作版本。通过一个名为GameGAN的模型， AI仅仅通过观看5万场吃豆人游戏，就学会了制作一个简易复刻版，虽然清晰度不高，但加入了AI生成的新场景。【DeepTech深科技|行动流畅自然，全程无需人类介入，EA公司教AI制作游戏角色】