Moderne videogames zijn een lange weg afgelegd van Mario de loodgieterhopping over het scherm. Uitzonderlijk complexe omgevingen van games van vandaag maken deel uit van het lokaas voor nieuwe gamers en deze ervaring wordt tot leven gebracht door de personages die met de scène communiceren. De illusie van de virtuele wereld wordt echter verstoord door onnatuurlijke bewegingen van de figuren bij het uitvoeren van acties, zoals het onverwachts omdraaien of een heuvel te beklimmen.
Om de abrupte bewegingen te verhelpen, [Daniel Holden et. Al] Publiceerde onlangs een papier (PDF) en een video die een methode toont om het real-time karakterbesturingsmechanisme aanzienlijk te verbeteren. Het voorgestelde systeem gebruikt een neuraal netwerk dat is getraind met een grote dataset van wandelen, springen en andere reeksen op verschillende terreinen. Het cruciaal breekt het proces van bipedale beweging en het cyclische gedrag in een reeks substappen of fasen. Elke fase vertaalt tijdens het bewegen naar een natuurlijke houding voor het personage. Het systeem precueert de volgende fasen offline om computerresources bij runtime te behouden. Overweeg vervolgens gebruikerscontrole, eerdere pose van het karakter (inclusief gezamenlijke posities) en terreingeometrie, het consequente frame van de animatie wordt berekend. De berekening wordt gedaan door een regressienetwerk dat de toekomstige positie van de gewrichten berekent en een mengfunctie wordt gebruikt voor bewegingsmatchen zoals beschreven in een presentatie (PDF) en video door [SIMON CLAVET].
Deze techniek bewijst effectief in omgevingen zoals ruige terreinen en obstakels die betrekking hebben op interactie zoals omzeilen, klimmen, springen of stappen tijdens de volgende gebruikersrichtingen. Het eindresultaat is een zeer verstandige weergave bij een zeer lage computationele kosten zoals weergegeven in de onderstaande video. Het is applicaties die verder gaan dan games en helemaal in het rijk van Augmented Reality en Virtual Reality.
Neurale netwerken zijn deze dagen allemaal de buzz en met de Tensor Flow-projecten van Google met betrekking tot DIY-robots is het een teken dat een nieuw tijdperk in programmeren aan de horizon staat.
