ศิลปะการต่อสู้

แต่นั่นกำลังเปลี่ยนไป นักวิจัยจาก University of California, Berkeley ได้สร้างความก้าวหน้าครั้งใหญ่ในด้านแอนิเมชั่นคอมพิวเตอร์ที่เหมือนจริง โดยใช้การเรียนรู้เชิงลึกเพื่อสร้างการเคลื่อนไหวที่เป็นธรรมชาติ แม้กระทั่งการแสดงกายกรรม เช่น การเต้นเบรกแดนซ์และศิลปะ การต่อสู้ ตัวละครจำลองยังสามารถตอบสนองต่อการเปลี่ยนแปลงของสภาพแวดล้อมได้อย่างเป็นธรรมชาติ เช่น การฟื้นตัวจากการสะดุดหรือถูกขว้างด้วยกระสุนปืน "นี่เป็นก้าวกระโดดที่ค่อนข้างใหญ่จากสิ่งที่เคยทำด้วยการเรียนรู้เชิงลึกและแอนิเมชัน ในอดีต มีงานจำนวนมากที่มุ่งไปที่การจำลองการเคลื่อนไหวตามธรรมชาติ แต่วิธีการทางฟิสิกส์เหล่านี้มักจะเชี่ยวชาญเป็นพิเศษ ไม่ใช่ วิธีการทั่วไปที่สามารถจัดการกับทักษะที่หลากหลายได้" Xue Bin "Jason" Peng นักศึกษาระดับบัณฑิตศึกษาจาก UC Berkeley กล่าว แต่ละกิจกรรมหรือแต่ละงานมักต้องการตัวควบคุมที่ออกแบบเอง "เราได้พัฒนาตัวแทนที่มีความสามารถมากขึ้นซึ่งทำงานในลักษณะที่เป็นธรรมชาติ" เขากล่าว "ถ้าคุณเปรียบเทียบผลลัพธ์ของเรากับโมชันแคปเจอร์ที่บันทึกจากมนุษย์ เรากำลังเข้าสู่จุดที่ค่อนข้างยากที่จะแยกความแตกต่างระหว่างสองสิ่งนี้ เพื่อบอกว่าอะไรคือสิ่งจำลองและอะไรคือของจริง เรากำลังก้าวไปสู่สตั๊นท์แมนเสมือนจริง" งานนี้สามารถสร้างแรงบันดาลใจในการพัฒนาทักษะยนต์ไดนามิกสำหรับหุ่นยนต์ เอกสารอธิบายการพัฒนาได้รับการยอมรับตามเงื่อนไขสำหรับการนำเสนอในการประชุม SIGGRAPH ปี 2018 ในเดือนสิงหาคมที่เมืองแวนคูเวอร์ ประเทศแคนาดา และเผยแพร่ทางออนไลน์เมื่อวันที่ 10 เมษายน เพื่อนร่วมงานของ Peng ในภาควิชาวิศวกรรมไฟฟ้าและวิทยาการคอมพิวเตอร์ ได้แก่ ศาสตราจารย์ Pieter Abbeel และผู้ช่วยศาสตราจารย์ Sergey Levine พร้อมด้วย Michiel van de Panne แห่งมหาวิทยาลัยบริติชโคลัมเบีย Mocap สำหรับ DeepMimic เทคนิคแบบดั้งเดิมในแอนิเมชันมักต้องการการออกแบบตัวควบคุมแบบกำหนดเองด้วยมือสำหรับทุกทักษะ เช่น ตัวควบคุมหนึ่งตัวสำหรับการเดิน เป็นต้น และอีกตัวหนึ่งสำหรับการวิ่ง การพลิกตัว และการเคลื่อนไหวอื่นๆ คอนโทรลเลอร์ที่ออกแบบด้วยมือเหล่านี้ดูดีทีเดียว Peng กล่าว อีกวิธีหนึ่งคือ วิธีการเรียนรู้แบบเสริมแรงเชิงลึก เช่น GAIL สามารถจำลองทักษะต่างๆ ที่หลากหลายโดยใช้อัลกอริทึมทั่วไปเพียงชุดเดียว แต่ผลลัพธ์มักจะดูไม่เป็นธรรมชาติ "ข้อได้เปรียบของการทำงานของเรา" Peng กล่าว "คือเราสามารถได้รับสิ่งที่ดีที่สุดจากทั้งสองโลก เรามีอัลกอริธึมเดียวที่สามารถเรียนรู้ทักษะต่างๆ ที่หลากหลาย และสร้างการเคลื่อนไหวที่เป็นคู่แข่งหากไม่ล้ำหน้าของศิลปะ ในแอนิเมชั่นด้วยคอนโทรลเลอร์ที่ทำด้วยมือ" เพื่อให้บรรลุเป้าหมายนี้ Peng ได้รับข้อมูลอ้างอิงจากคลิปโมชั่นแคปเจอร์ (mocap) ซึ่งแสดงการแสดงกายกรรมที่แตกต่างกันกว่า 25 ท่า เช่น การตีลังกากลับหลัง การตีลังกา การกระโดดข้าม และกระโดด รวมถึงการวิ่ง การขว้าง และการกระโดดอย่างง่าย หลังจากให้ข้อมูล mocap ลงในคอมพิวเตอร์แล้ว ทีมงานก็อนุญาตให้ระบบซึ่งเรียกว่า DeepMimic ทำการ "ฝึกฝน" แต่ละทักษะเป็นเวลาประมาณหนึ่งเดือนของเวลาจำลอง ซึ่งนานกว่าที่มนุษย์อาจใช้เวลาเล็กน้อยเพื่อเรียนรู้ทักษะเดียวกัน คอมพิวเตอร์ฝึกฝนทุกวันตลอด 24 ชั่วโมง ผ่านการทดลองนับล้านครั้งเพื่อเรียนรู้วิธีจำลองทักษะแต่ละอย่างอย่างสมจริง มันเรียนรู้ผ่านการลองผิดลองถูก: เปรียบเทียบประสิทธิภาพหลังจากการทดลองแต่ละครั้งกับข้อมูล mocap และปรับพฤติกรรมให้ใกล้เคียงกับการเคลื่อนไหวของมนุษย์มากขึ้น “เครื่องจักรกำลังเรียนรู้ทักษะเหล่านี้ตั้งแต่เริ่มต้น ก่อนที่มันจะรู้ด้วยซ้ำว่าต้องเดินหรือวิ่งอย่างไร ดังนั้นเวลาหนึ่งเดือนจึงอาจไม่สมเหตุสมผลเกินไป” เขากล่าว กุญแจสำคัญคือการอนุญาตให้เครื่องเรียนรู้ในแบบที่มนุษย์ทำไม่ได้ ตัวอย่างเช่น การตีลังกากลับหลังเกี่ยวข้องกับการเคลื่อนไหวร่างกายหลายส่วนมากจนเครื่องจักรอาจล้มลงและไม่เคยผ่านสองสามก้าวแรกเลย แต่อัลกอริทึมจะเริ่มเรียนรู้ที่ระยะต่างๆ ของการตีลังกา รวมถึงกลางอากาศด้วย เพื่อเรียนรู้แต่ละระยะของการเคลื่อนไหวแยกกัน แล้วต่อเข้าด้วยกัน น่าแปลกที่เมื่อได้รับการฝึกแล้ว ตัวละครจำลองจะสามารถรับมือและฟื้นตัวจากสภาพที่ไม่เคยเห็นมาก่อนได้ เช่น การวิ่งบนภูมิประเทศที่ผิดปกติและหมุนลูกเตะในขณะที่ถูกกระสุนปืนเข้าใส่ "การกู้คืนมาฟรีจากกระบวนการเรียนรู้" Peng กล่าว และวิธีการง่ายๆ แบบเดียวกันนี้ใช้ได้กับทักษะทั้งหมดกว่า 25 ทักษะ "เมื่อเราเริ่มต้นครั้งแรก เราคิดว่าเราจะลองทำสิ่งง่ายๆ เพื่อเป็นพื้นฐานสำหรับวิธีการต่างๆ ในภายหลัง โดยไม่ได้คาดหวังว่ามันจะได้ผล แต่วิธีการที่เรียบง่ายมากๆ นั้นใช้งานได้จริงจริงๆ นี่แสดงให้เห็นว่าวิธีการง่ายๆ สามารถเรียนรู้ ละครที่เข้มข้นมากของทักษะไดนามิกและกายกรรมสูง"