DeepDribble用AI實現(xiàn)交互式角色 帶來精細的物理技能與協(xié)調

　　2018年08月16日，你在視頻中看到的似乎是人工智能領域的一大突破：一個虛擬角色正在通過AI實時“學習”如何進行運球。“DeepDribble”是DeepMotion和卡內基梅隆大學研究人員的一個項目，他們希望演示由AI控制的虛擬角色如何獲取復雜而微妙的綜合物理技能與協(xié)調，一種人類認為是理想當然的能力。

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

　　DeppMotion的Libin Liu表示：“我們首先構建了一個數字角色的生物機械模型，利用物理來刺激骨骼和虛擬肌肉。我們將數字角色置放于物理模擬的虛擬世界中，并令其模仿真實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，訓練過程需要大量的性能，但Libin Liu表示學習時間與一場轉播的NBA比賽相當，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現(xiàn)簡單的運動和加深強化學習，從而獲取復雜的運動技能。處理能力和訓練時間同樣取決于參考運動的長度。總體而言，一個中端服務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器實現(xiàn)并行處理來進一步縮短訓練時間。”

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

　　Xiang Lin表示：“我們的方法從根本上不同于當前的游戲3D動畫，后者是以更為靜態(tài)的方式回放錄制的動捕數據。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動，這經常出現(xiàn)在最新的籃球游戲中。”

　　“我們的技術不僅可以在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，我們的技術采用與機器人相同的基礎，其中角色由力和扭矩驅動，并在物理定律下移動。它可以擴展至驅動真實機器人，支持其執(zhí)行手部模擬和類人運動。”