Animaciones basadas en inteligencia artificial harán que sus avatares digitales cobren vida

Incluso con la ayuda de funciones de animación automática en los motores modernos de desarrollo de juegos, dar vida a los avatares en pantalla puede ser una tarea ardua y que requiere mucho tiempo.

Sin embargo, una reciente serie de avances en IA pronto podría ayudar a reducir drásticamente la cantidad de horas necesarias para crear movimientos de personajes realistas.

Tome juegos de baloncesto como la franquicia NBA2K, por ejemplo.

Antes de 2010, los jugadores en pantalla, ya fueran Shaq, LeBron, KD o Curry, fueron modelados por personas de talla regular que llevaban trajes de captura de movimiento.

“Hubo un momento en que NBA2K estaba hecho completamente de animadores y productores”, dijo Anthony Tominia de 2K al Evening Standard en 2016.

Sin embargo, incluso cuando los desarrolladores comenzaron a atraer a los jugadores de la NBA, todavía se enfrentaban al costoso y consumidor de tiempo desafío de capturar los movimientos de su cuerpo para cada movimiento, driblar la pelota, lanzar, saltar, y luego traducir esa información a sus avatares en el juego.

“Con la captura de movimiento, la información que tenemos es todo lo que tenemos, en el sentido de que si capturamos a alguien que está rebotando una pelota a una velocidad determinada, entonces lo tenemos a esa velocidad”, Jessica Hodgins, profesora de informática ciencia y robótica en la Universidad Carnegie Mellon, dijo a Engadget.

“No tenemos la capacidad de adaptarlo fácilmente al giro, o a correr a una velocidad diferente, o driblar con un patrón diferente”.

Sin embargo, un nuevo sistema desarrollado en CMU en conjunto con DeepMotion Inc, con sede en California, podría ayudar a recortar los tiempos de producción para las animaciones de driblar.

Utiliza una técnica de “aprendizaje de refuerzo profundo” para generar movimientos de dribbling realistas en tiempo real a través de prueba y error.

Básicamente, el sistema aprende a animar el dribbling a través de la práctica. Mucha y mucha práctica.

“La idea de utilizar la simulación en los sistemas de control que se aprenden de esta manera es que tenemos esa generalidad”, continuó Hodgins.

“Si quieres que el personaje haga algo ligeramente diferente, gire un poco más bruscamente o algo así, todo está dentro del espacio de lo que el algoritmo puede hacer.

Mientras que con la captura de movimiento, solo tienes exactamente la secuencia que capturaste”.

A diferencia de la captura de movimiento convencional, en la que cada acción tiene que filmarse y asignarse al avatar individualmente, este sistema requiere una entrada de video mínima.

“La forma en que funcionan estos algoritmos, en realidad es más fácil para ellos trabajar en un conjunto de entrenamiento más pequeño porque el espacio se hace más grande a medida que se tienen más datos”, dijo Hodgins.

Eso no quiere decir que los conjuntos de datos más grandes no sean algo bueno.

“En realidad, nos gustaría utilizar un conjunto de datos más grande porque potencialmente haría que los comportamientos fueran más robustos a diferentes tipos de perturbaciones y cosas así”, sin embargo, el hecho de entrenar el sistema, en primer lugar, simplemente no lo requiere.

“Esta investigación abre la puerta a la simulación de deportes con avatares virtuales calificados”, dijo Libin Liu, científico en jefe de DeepMotion, en un comunicado.

“La tecnología se puede aplicar más allá de la simulación deportiva para crear más personajes interactivos para juegos, animación, análisis de movimiento y, en el futuro, robótica”.

Si bien el lado de DeepMotion del equipo de investigación está buscando comercializar esta tecnología, todavía hay espacio para un mayor desarrollo antes de que alcance la madurez.
The product helps in expanding and relaxing procedure of arteries and veins of male gentile and help in easing the condition. usa generic viagra It commander cialis pdxcommercial.com will help to reduce your stress as well and can improve mental health too. The body may slow down and weak, with some organs https://pdxcommercial.com/brokers-staff/graham-peterson/ cialis properien degenerating gradually. Armored Construction viagra brand Featuring a hard rubber armoring, the binoculars successfully manages to remain immune to bumps and knocks.
La transición entre las habilidades es el próximo gran desafío.

“Todavía no tenemos nada como la generalidad de un jugador de baloncesto humano”, dijo Hodgins.

Ella señala que los jugadores de baloncesto profesionales pueden driblar sin problemas por la cancha, sacudir a su defensor y cortar hacia la canasta o buscar un jumper sin planear a través de esos diversos pasos.

“Eso no es algo en lo que la gente tenga que pensar”, continuó.

“Mientras que nuestros personajes en cierto sentido todavía tienen que ser entrenados no solo para hacer los comportamientos individuales, sino para hacer transiciones entre ellos”.

Los juegos deportivos no son el único género que se beneficia del aprendizaje automático y los avances de inteligencia artificial.

La investigación de la Universidad de Edimburgo podría agregar alguna variación muy necesaria para almacenar los movimientos dentro del juego.

“En lugar de almacenar todos los datos y seleccionar con qué clip reproducir, [tenemos] un sistema que realmente genera animaciones sobre la marcha, dada la información del usuario”, dijo el autor principal del estudio, Daniel Holden, a Ars Technica.

“Nuestro sistema toma como controles de usuario de entrada, el estado previo del personaje, la geometría de la escena y produce automáticamente movimientos de alta calidad que logran el control de usuario deseado”.

Por lo tanto, en lugar de extraer y reproducir animaciones prefabricadas de una base de datos, este sistema las renderiza sobre la marcha en función del terreno, la posición del avatar y las entradas direccionales de su controlador.

Y, al igual que con el sistema CMU, este todavía tiene algunos problemas para resolver.

No puede manejar interacciones complejas con el medio ambiente, como escalar vallas o saltar sobre arbustos, por ejemplo.

Afortunadamente, un sistema impulsado por inteligencia artificial desarrollado en UC Berkeley está especialmente diseñado para realizar maniobras de alto vuelo.

Apodado DeepMimic, este motor de aprendizaje profundo entrena avatares digitales para seguir los movimientos de una animación de captura de movimiento de referencia.

Además, entrena al avatar para realizar el movimiento previsto, independientemente de las posiciones actuales de las partes del cuerpo, en lugar de simplemente moverlas al siguiente fotograma clave lo más rápido posible.

Esto garantiza que el avatar ejecute el salto, la inclinación y el balanceo que el animador desea en lugar de simplemente correr y caer al suelo.

Estas son solo algunas de las tecnologías que están preparadas para hacer que la próxima generación de juegos fluya de forma más fluida y permita movimientos verdaderamente realistas.

Y cuando se combina con avances adicionales que mejoran el rendering de los personajes en sí (o al menos su pelaje), los juegos de consolas de mañana podrían ser cada vez más difíciles de diferenciar de la realidad.

Fuente: Engadget