我用动作捕捉赋予角色生命

Source：

2022 May. 20

斯塔克第一次迷上电子游戏——他是在5、6岁的时候通过《波斯王子》经历这些冒险的。

他告诉逆逆，他一生都对游戏充满热情，并在艺电(Electronic Arts)担任人工智能科学家。

“我用电脑大脑赋予角色生命，”斯塔克说。

在Starke的世界里，动作捕捉是王道，但他正在开发的技术可能会给电子游戏的创造方式带来巨大的变化。

现在是如何工作的——为了让电子游戏中的角色栩栩如生，演员们穿着紧身动作捕捉套装，上面覆盖着传感器。他们沉闷地播放过场动画，执行完美的回旋踢。这似乎是制作电子游戏的第一步，但每一拳、友好的手势和拥抱都是游戏开发者很早就组织和标记的。

这是一项乏味的工作，而且越来越不可行:随着动作捕捉技术提高了保真度，文件的大小也在增加。此外，使用动作捕捉技术收集所有可能的动作组合将是一项不可能完成的任务，这将导致一款令当前游戏相形见绌的电子游戏(《EA FIFA》约为50gb;Rockstar的《荒野大镖客:救赎2》更是高达150gb。)

你尝试建模的动作越独特，就越难用动作捕捉技术手动预编所有动作组合。

它将如何工作——斯塔克在一篇研究论文中描述了机器学习如何更好地合成这些角色的动作。该论文于今年8月在2021年计算机图形大会SIGGRAPH上发表。

人工智能会让动作捕捉技术过时，让那些覆盖着传感器的紧身衣被扔进历史的垃圾箱吗?也许不完全是，但Starke的技术可以改变动作捕捉数据的使用方式——使文件更小，但更流畅，更自然的字符移动。

用外行人的话说，神经动画分层基本上是将两个不同的动画压在一起，所以角色将它们作为一个单一的动作。这使得游戏开发者能够在角色接受动作捕捉数据训练后重新组合或修改角色的动作。

斯塔克说:“在此之前，如果你想添加另一个动作，比如在跳跃的同时还能做另一个动作，能够开门或坐在椅子上，你就需要重新训练整个动作。”“没有办法循序渐进地添加内容。”

你可以把它想象成一个软冰淇淋机或*********，拉动一个杠杆，就会产生许多不同的结果组合(在这种情况下，就是运动)。但与这些随机游戏不同的是，团队将不同动作组合在一起制作新的混合动画并不是随机的——尽管人工智能选择将它们组合在一起的方式可能是随机的。

用20小时的动作捕捉数据训练他们的神经网络，教会了他们的系统如何预测不同的动作——例如，一拳或一个shuffle步——并更好地将不同的动作融合在一起，以获得更流畅的动画效果。

如何发现故障-当手工渲染，而不是机器学习，Starke说，你更有可能在动画中看到运动“工件”，即故障。这可能看起来像一个角色在他们的动作中挑战物理或不自然地扭曲他们的身体。

Starke说道:“像《堡垒之夜》和《反恐精英》等射击游戏都有这样的元素，即上半身瞄准并移动，但下半身保持不变。“臀部保持在同一位置，上身旋转。”

这对艺电的其他系列游戏也有帮助，包括改编自《星球大战》的大片，无论是《绝地武士:堕落秩序》(Jedi Fallen Order)还是热门游戏《前线舰队》(Battlefront fleet)。当然，EA目前也推出了一些受欢迎的体育游戏，如《Madden》系列。

但开发者对动画故障并不陌生，无论你的《模拟人生4》中的角色在转身时似乎摔坏了背，还是你在BioWare (EA的一个部门)2017《质量效应:仙女座》中与茫然的人类交谈。这些故障有时很有趣，但如果频繁出现，就会让玩家失去游戏体验。

Starke说，这种新的机器学习方法不仅可以帮助用户更好地控制角色的新动作，从而解决这些小故障。

改变游戏规则的方法——除了帮助玩家更好地沉浸在这些游戏中而不打破他们的信念之外，Starke说这种方法可能有助于游戏更顺畅地运行，因为它们将更压缩，需要更少的计算时间。

对于通过云访问的游戏来说，这可能不是什么大问题，但它可以通过减少文件大小和占用主机空间来提高在自己的cpu上运行游戏的主机性能。这是一个改变。

青瞳视觉编译，其目的是为了将更好的内容分享给更多人，版权依旧归原作者所有。若有涉及侵权请予以告知，我们会尽快在24小时内删除相关内容，谢谢。