Tutorial video lengkap: youtu.be/lPfiMHQWP88
Ave, Coder!
Fisika dalam dunia permainan komputer modern semakin akurat dan menarik dari tahun ke tahun, apalagi jika kita tidak berbicara tentang hypercasual dan klasik seperti Arkanoid, melainkan tentang hits dengan dunia terbuka dan model realistis, di mana setiap sendi bergerak sealami mungkin untuk meniru model. dari dunia nyata.
Dan, oleh karena itu, ketika mata kita melihat sesuatu yang tidak wajar dalam gerakan anjing komputer, misalnya, ia akan segera mengirimkan sinyal ke otak - ada sesuatu yang salah. Mungkin pemain tidak akan mengerti apa yang sebenarnya salah, tetapi otak secara tidak sadar telah membandingkan apa yang dilihatnya dengan pengalaman dari kehidupan nyata, misalnya, cara anjing itu bergerak dan memperhatikan ketidakakuratan.
Oleh karena itu, pengembang biasanya tidak mengkodekannya dengan tangan, tetapi merekam banyak penangkapan gerak secara real time dan kemudian menyesuaikannya untuk model game.
Kecerdasan buatan telah lama digunakan untuk tujuan ini dan studio game telah dapat mencapai hasil nyata berkat itu, tetapi hari ini kita akan berbicara tentang perkembangan yang dapat meninggalkan pesaing jauh di belakang - setidaknya di area tempat pembuatannya. Tetapi siapa yang mengatakan bahwa hal seperti ini tidak dapat ditingkatkan lebih jauh?
Bola basket. Dribbling. Dinamika gila. Rak. Penanganan bola. Model bergerak cepat, sering berubah arah. Diperlukan solusi yang sangat muluk-muluk agar semua kebaikan dinamis ini diproses dengan cepat, kuat dan, sementara itu, secara realistis.
Dan tantangan tambahan terletak pada kenyataan bahwa AI hanya diberikan materi pelatihan penangkapan gerak selama tiga jam, yang umumnya setetes air di lautan dibandingkan dengan jaringan saraf lain yang dilatih untuk tugas serupa.
Selain itu, jaringan saraf harus dapat mensimulasikan gerakan yang tidak disajikan dalam pelatihan, tetapi tersedia untuk model yang digerakkan oleh pemain.
Tampaknya, mengingat keterbatasan, AI seharusnya tidak dapat menangani tugas tersebut, setidaknya sebagian. Ada asumsi bahwa gerakan yang termasuk dalam tiga jam pelatihan ini, jaringan saraf akan beradaptasi tanpa masalah, tetapi dengan sintesis yang baru akan lebih sulit dan oleh karena itu model akan berperilaku tidak wajar di beberapa titik, tetapi hasilnya melebihi semua harapan.
Saat mengendalikan pemain sungguhan, pemain bola basket elektronik tidak kehilangan fleksibilitasnya dalam gerakan, bahkan jika pemain itu menekan tombol kontrol seperti orang gila.
Dan, omong-omong, tentang keragaman perilaku model. Artinya, apakah gerakannya terlihat sama untuk situasi yang sama? Ambil dribbling, misalnya - AI mampu menambah variasi dan mengubah cara model menggiring bola, menggabungkannya bersama untuk membuat gerakan baru dengan tipe yang sama, dan tetap responsif terhadap kontrol.
Contoh dribbling:
Ini cukup mengesankan untuk jaringan saraf yang telah dilatih hanya dengan materi selama tiga jam, tetapi ada hal lain yang dapat melampaui harapan.
Pemain juga dapat melempar bola ke dalam ring dan memantul dan model tersebut berperilaku secara alami, terlepas dari fakta bahwa jaringan saraf diberikan materi pelatihan kurang dari tujuh menit.
Dan, sebagai tambahan, model mampu mensintesis gerakan yang tidak ada dalam materi pelatihan, tetapi dianggap memadai untuk situasi tertentu.
Seperti yang dapat Anda lihat dari contoh video, satu model dilatih untuk bergerak menggunakan metode pelatihan berdasarkan Jaringan Syaraf Fase-Fungsi, dan yang lainnya diajarkan oleh AI4Animation.
Perbandingan kedua model:
Saat membandingkan gerakan kedua model, para pemain dapat melihat kurangnya kekakuan yang jelas pada varian AI4Animation: kelancaran gerakan yang melekat pada organisme hidup dan cara model mengontrol objek pihak ketiga - sebuah bola.
Saat menggiring bola, model yang dilatih oleh Jaringan Syaraf Fungsi-Fase memaksa bola seolah-olah direkatkan ke tangan pemain hanya untuk membuatnya lebih mudah menghitung gerakan model, tetapi dalam hal ini hal itu tidak memberikan keuntungan yang nyata.
Di AI4Animation, modelnya tetap lebih responsif terhadap kontrol pemain dan oleh karena itu tidak hanya lebih menyenangkan untuk dilihat, tetapi juga untuk mengontrolnya.
Sekarang mari kita bayangkan kemampuan teknologi ini, bahkan tidak dalam lima atau sepuluh tahun, tetapi sudah, katakanlah, dalam satu tahun.
Seberapa besar peningkatannya? Game olahraga apa lagi yang akan menemukan aplikasi? Hanya ... olahraga? Hanya di ... game?
Dalam hal ini, pencipta menguji jaringan saraf dalam spesialisasi yang sangat sempit, yaitu kemampuan untuk mensintesis gerakan alami model manusia yang bermain bola basket, hanya berdasarkan sejumlah data terbatas yang disediakan untuk pelatihan, sedangkan model harus tetap dapat dikontrol dan merespons kontrol secara memadai. Dan tentu saja kualitas seharusnya tidak menderita karenanya.
Sekarang mari kita lihat bagaimana teknologi yang sama ini dapat diterapkan pada masalah lain.
Misalnya, gerakan "anak baik" yang digambar ini seperti gerakan anjing dalam hidup, terlebih lagi, gerakan dan gaya berjalan dengan ahli beradaptasi dengan perintah dan kondisi.
Contoh dengan "anak baik":
Dan di sini Anubis memutuskan untuk meletakkan pantat mitologisnya di berbagai furnitur dan, seperti yang dikatakan Malysheva, melakukannya secara alami.
Contoh Anubis:
Atau mencoba bekerja sebagai kurir kotak hitam di “Apa? Dimana? Kapan?". Tinggal mengajarinya cara memutar drum ...
Bagaimanapun, kita bisa yakin untuk dewa kematian Mesir - dia akan memiliki masa depan yang indah di televisi.
Anda dapat memeriksanya di sini: github.com/sebastianstarke/AI4Animation
It was V. Lihat Saluran Ave, Coder !.
Ave!