211service.com
Virtuele robots die zichzelf kungfu leren, kunnen een revolutie teweegbrengen in videogames
Onderzoek naar kunstmatige intelligentie in Berkeley
In de niet zo verre toekomst kunnen personages kungfu-kicks oefenen in een digitale dojo voordat ze hun bewegingen naar de nieuwste videogame brengen.
AI-onderzoekers van UC Berkeley en de University of British Columbia hebben virtuele personages gecreëerd die in staat zijn om de manier waarop een persoon vechtsporten, parkour en acrobatiek uitvoert, te imiteren, en bewegingen meedogenloos te oefenen totdat ze ze precies goed krijgen.
Het werk kan de manier waarop videogames en films worden gemaakt veranderen. In plaats van de acties van een personage tot in ondraaglijke details te plannen, kunnen animators echte beelden in een programma invoeren en hun personages ze door oefening laten beheersen. Zo'n personage kan in een scène worden geplaatst en worden achtergelaten om de acties uit te voeren.
Hetzelfde algoritme kan worden gebruikt om een breed scala aan uitdagende fysieke vaardigheden aan te leren. Onderzoek naar kunstmatige intelligentie in Berkeley
Een kunstenaar kan maar een paar voorbeelden geven, en dan kan het systeem generaliseren naar alle verschillende situaties, zegt Jason Peng , een eerstejaars promovendus aan UC Berkeley, die het onderzoek uitvoerde.
De virtuele karakters die door de AI-onderzoeker zijn ontwikkeld, gebruiken een AI-techniek die bekend staat als versterkingsleren, die losjes is gemodelleerd naar de manier waarop dieren leren (zie 10 Breakthrough Technologies 2017: Reinforcement Learning).
De onderzoekers legden de acties vast van deskundige krijgskunstenaars en acrobaten. Een virtueel personage experimenteert met zijn beweging en wordt elke keer dat het een beetje dichter bij de bewegingen van die expert komt, positief bekrachtigd. De aanpak vereist dat een personage een fysiek realistisch lichaam heeft en een wereld bewoont met nauwkeurige fysieke regels.
Het betekent dat hetzelfde algoritme een personage kan trainen om een backflip of een moonwalk te doen. Je kunt in feite een groot aantal problemen in animatie oplossen, zegt Sergey Levine , een assistent-professor aan UC Berkeley die bij het project betrokken is.
De door de computer gegenereerde personages in high-budget videogames en films zien er misschien realistisch uit, maar het zijn niet veel meer dan digitale marionetten, volgens een nauwgezet gechoreografeerd script.
De animatie- en computerspelindustrie onderzoeken al het gebruik van software die automatisch realistische fysica aan personages toevoegt. James Jacobs, CEO Ziva Dynamics, een animatiebedrijf dat gespecialiseerd is in het bouwen van personages met realistische fysieke kenmerken, zegt dat versterkingsleren een manier biedt om zowel gedrag als uiterlijk realisme te brengen. Tot nu toe leunden mensen op veel eenvoudigere benaderingen, zegt Jacobs. In dit geval train je een rekenmodel om de manier waarop een mens of een wezen beweegt te begrijpen, en dan kun je het gewoon sturen, externe krachten gaan toepassen, en het zal zich aanpassen aan zijn omgeving.
Het leerproces van versterking omvat het maken van geleidelijke vooruitgang - en de oneven val. Onderzoek naar kunstmatige intelligentie in Berkeley
De aanpak kan voordelen hebben die verder gaan dan videogames en speciale effecten. Echte robots kunnen uiteindelijk leren om complexe taken uit te voeren met gesimuleerde oefening. Een bot kan bijvoorbeeld oefenen met het samenstellen van een tafel in simulatie, voordat hij het in de echte wereld probeert.
Levine zegt dat de robots ons uiteindelijk nieuwe trucjes kunnen leren. Als iemand iets wil gaan turnen dat nog nooit iemand heeft geprobeerd, kunnen ze dat in principe aansluiten en is de kans groot dat er iets heel redelijks uitkomt, zegt hij.