文/Devin Coldewey

　　近日，游戏图像保真如火如荼，但是，想要生动形象地描述人物动作的多样性和流畅性对创作者来说仍是一种挑战。从真实的动作捕捉数据中获取神经网络作为动画系统的驱动，这样也许能够让我们的“阿凡达”在走动、奔跑和跳跃时更加自然一些。

　　当然，如果你有玩过现代游戏，你会发现很多创作者已经这样做了。但是这是动画家从动作库里精心获取的劳动成果，想象一下意外情况–如果是蜷缩着身子上楼梯时举起手肘呢？如果是在试图保持平衡时被一道窄光束击中了呢？类似的例子数不胜数。

　　来自爱丁堡大学和Methord Studios的研究者建立了一个机器学习系统，这个系统通过动作捕捉片段展示各种各样的动作。于是，当接收到来自用户的输入说“走这边”并且考虑地形时，系统会输出与两个输入信号最匹配的动画，比如：从慢跑到跳过一个小障碍物。


　　从跑转变成跳的过程中没有发生自定义动作。在这个算法中，从一种动作类型转变到另一种动作类型时流畅和谐。虽然很多游戏引擎勉强做了一些类似脚落地的协调动作，但是这种新方法的鲁棒性更好。

　　机器学习系统并不是第一次应用到这个领域，但是如这个团队在视频中所说，系统的创作成果却不尽如人意，有的时候会做错动作或遗漏动作，或者动作很突兀、不连贯。

　　为了避免这些情况的发生，研究者在神经网络中加入了一个相位函数，从而防止系统错误地混淆不同的动作类型。例如，在跳的时候迈步。

　　研究者在描述新方案的视频中表示“由于我们的方案是由数据驱动的，因此，动画人物不仅仅只是做一个跳跃的动作，还要根据障碍物的高度不断地调整动作”。

　　当然，你也不能依葫芦画瓢，但是，对于协调和创作动画而言，这无疑是一个更加智能的开端。这就意味着动画家创作时能够更轻松，而我们玩的游戏角色的动作也能看上去更加自然。现在的问题是，怎样将这个方法应用到外星人、蜘蛛和其他在动作捕捉工作室不怎么常见的生物上。

via：csdn

锐亚教育，游戏开发论坛|游戏制作人|游戏策划|游戏开发|独立游戏|游戏产业|游戏研发|游戏运营| unity|unity3d|unity3d官网|unity3d 教程|金融帝国3|8k8k8k|mcafee8.5i|游戏蛮牛|蛮牛 unity|蛮牛