Разработчики игр подключают ИИ, чтобы создавать более реалистичных персонажей

Особое внимание уделяется методике, которая уже позволила научить компьютер самостоятельно играть в консольные видеоигры. Совместная команда EA и Университета Британской Колумбии в Ванкувере исследует так называемое обучение с подкреплением. Техника, в основе которой лежит свойственный многим животным принцип запоминания положительных и отрицательных реакций, позволяет автоматически анимировать человекоподобных персонажей. «Результаты весьма многообещающие», — отмечает Фабио Зинно, старший инженер-разработчик EA.

Традиционно персонажи видеоигр и их действия прописываются вручную. В спортивных играх, таких как FIFA, для повышения реалистичности используют технологию захвата движения: реальный человек воспроизводит действия персонажа, а его движения и мимика фиксируются с помощью специальных датчиков. При этом возможности игры все равно ограничены количеством записанных действий, а для «оживления персонажа» нужно писать специальный код.

Фото: Andrey Burmakin / Shutterstock

ИИ позволяет автоматизировать процесс создания анимации и других важных элементов дизайна, а значит, игровые компании смогут сэкономить миллионы долларов. Технология также помогает повысить реалистичность и эффективность — например, сделать так, чтобы мощную игру можно было запустить на смартфоне.

Обучение с подкреплением, завоевавшее популярность в последние годы, позволяет компьютерам осваивать сложные игры и решать нетривиальные задачи без каких-либо инструкций. В 2013 году исследователи из DeepMind, британской компании, позже приобретенной Google, создали с помощью этой технологии компьютерную программу, которая научилась играть в несколько видеоигр Atari лучше, чем человек. Принцип действия был основан на получении обратной связи от пикселей и счета игры. Позже с помощью того же подхода DeepMind создали программу, которая освоила даже такую сложную настольную игру, как го.

В июле исследователи объединенной команды EA и Университета Британской Колумбии представят на конференции Siggraph 2020 свою новую работу. Используя обучение с подкреплением, они смогли создать контролируемого футболиста, который движется без обычного кодинга или анимации.

Участники команды использовали модели машинного обучения для выявления и воспроизведения статистических закономерностей в данных захвата движения. Затем они применили метод подкрепления, чтобы заставить другую модель воспроизводить реалистичное движение с определенной целью — например, бегать за мячом в игре. Такой подход позволяет создавать новые фрагменты анимации, которых нет в исходных данных. Программа запоминает, как движется футболист, а затем самостоятельно анимирует персонажа, представляя, как будет выглядеть, например, бег трусцой.

«У этой технологии может быть много применений», — считает Джулиан Тогелиус, профессор Ньй-Йоркского университета и соучредитель Modl.ai, компании, которая занимается технологиями ИИ для игр. Он добавляет, что проект обучения с подкреплением связан с методом автоматической, или процедурной, генерации, который меняет сам способ создания игрового контента.

Игровые консоли, ПК и смартфоны становятся все мощнее с каждым днем. Создание игр, соответствующих новым возможностям устройств, требует больших инвестиций со стороны гейм-компаний. Существующие инструменты позволяют оптимизировать работу над дизайном или анимацией, но эти процессы пока не обходятся без участия человека. При этом ИИ уже может создавать фотореалистичные лица. При наличии достаточного количества данных новые алгоритмы позволят генерировать персонажей и создавать изображения, используя тот же принцип.

С помощью ИИ можно готовить контент для разных жанров, включая РПГ и экшн-игры. Некоторые компании экспериментируют с процедурной генерацией, чтобы сделать игровые миры более обширными. Например, этот метод используется для создания новых миров в No Man's Sky, игре про выживание в космосе, выпущенной в 2016 году. Тогелиус говорит, что ИИ также предоставляет широкие возможности для тестирования игр и поиска ошибок с использованием искусственных игроков.

Кроме того, ИИ может генерировать простые видеоигры с нуля. Исследователи из Университета Торонто, Массачусетского технологического института и Nvidia представили движок на базе ИИ, который научился воссоздавать классическую игру Pac-Man без оригинального кода.

В 40-ю годовщину выпуска аркадной игры исследователи представили программу GameGAN, которая воссоздает простые игры, наблюдая за экраном и отслеживая элементы управления. «Посмотрев» 50 тысяч сеансов игры в Pac-Man, GameGAN сгенерировала собственную версию с новыми сценариями и платформами.

На разработку, программирование и тестирование оригинального Pac-Man 10 инженерам из Namco потребовалось 17 месяцев. При наличии достаточного количества данных такой алгоритм может создать новую игру типа Angry Birds или Candy Crush без использования классического кода.

«Представьте, что вы обучаете механизм с помощью других игр — тысяч разных игр, — рассказывает Санья Фидлер, доцент Университета Торонто и директор по ИИ в Nvidia. — А теперь вы можете еще и комбинировать их элементы».

Зинно из EA считает, что может пройти несколько лет, прежде чем разработчики игр начнут регулярно использовать ИИ — отчасти потому, что алгоритмы машинного обучения сложно настраивать. А при оценке состоятельности технологии следует учитывать популярность создаваемых игр.

Михель ван де Панн, профессор Университета Британской Колумбии, который участвует в проекте EA, считает, что следующим шагом развития технологии станет проработка действий неантропоморфных персонажей видеоигр в реалистичной среде. Он признает, что обучение алгоритмов — более сложная задача, чем создание анимации с нуля, так как сложно предсказать, что именно понравится пользователям. «Будет интересно увидеть проект, использующий все возможности ИИ для создания анимации, — говорит ван де Панн. —  Уверен, за этой технологией будущее».

 Источник.

Фото на обложке: Gorodenkoff / Shutterstock