By: lew 
on 7 May 2017 - 08:24
Tags:
การสร้างท่าทางเคลื่อนไหวของตัวละครในเกมเป็นงานสำคัญของการพัฒนาเกมที่ต้องอาศัยการบันทึกท่าทางจากนักแสดงไว้ล่วงหน้าที่มีต้นทุนสูง หรือมีเทคนิคการสร้างท่าทางเคลื่อนไหวจากการประมาณการท่าเคลื่อนไหวอื่นๆ ล่าสุดงานวิจัยจากมหาวิทยาลัย Edinburgh อาศัยเครือข่ายนิวรอนเพื่อการสร้างท่าเคลื่อนไหวได้อย่างสมจริง
Phase-Functioned Neural Networks เป็นเครือข่ายนิวรอนที่มี Phase-Function เข้าควบคุมน้ำหนักระหว่างนิวรอน
ความได้เปรียบหลักของการสร้างท่าทางเคลื่อนไหวด้วยเทคนิคใหม่นี้คือมันใช้หน่วยความจำเพียงประมาณ 10 เมกกะไบต์ และไม่กินเวลาประมวลผลมากนัก ขณะที่ได้ท่าทางเคลื่อนไหวเป็นธรรมชาติ การใช้งานในเกมจริงๆ จึงเป็นไปได้ในอนาคตอันใกล้นี้
งานวิจัยจะสำเสนอในงานประชุม SIGGRAPH ปีนี้ รายงานวิจัยฉบับก่อนตีพิมพ์สามารถดาวน์โหลดมาอ่านได้ฟรี
ที่มา - The Orange Duck
Get latest news from Blognone
Follow @twitterapi
Comments
แจ่มๆ
ว้าว ไม่ต้องทำใหม่แถมหนักแค่ 10 เมก ขอบคุณ AI
มันสมจริงตรงไหนนิ เหมือนลิงเดินยังไงไม่รู้ ใช้วิธีการเดิมคือติด Controller ไว้ที่ตัวคนแล้วเก็บข้อมูลก็โอเคอยู่แล้ว ด้านความละเอียดการเก็บข้อมูลก็ไปพัฒนาเครื่องมือ, Mechanism และการบันทึก
Machine Learning ผมมองว่ามันยัไม่ดีพอที่จะมาใช้ในระดับการเพิ่มอรรสรสในเกมนะ สงสัยยังไม่หลาบจำกับระบบ PhySX ของ nVidia
ผมว่าในตัวอย่างมันยังไม่สมจริงแต่มันมีศักยภาพในการไปต่อ
ของเดิมที่ใช้มันหนักนะครับ ต้องเก็บทุกท่าทางมุมมองวิธีการเคลือนไหว แล้วค่อย map เอาว่ากดปุ่มแบบไหนใช้ชุดการเคลื่อนไหวแบบไหน ซึ่งขนาดฐานข้อมูลใหญ่และช้า
ของใหม่ที่เราเห็นว่ายังไม่สมจริงตอนนี้ ถ้ามองกันตามหลัก AI .. คือมันยังถูก trained ไม่มากพอ คือถ้ามองว่าแบบแต่แรกเริ่มเดิมทีมันคือการแมพแบบดื้อๆแค่นั้นเอง แบบใหม่นี้คือพยายามหาหลักการและจุดที่สำคัญเกี่ยวเนื่องกับการเคลื่อนไหว (โดยให้ AI หา) ... คราวนี้พอมีคนคิดโมเดลว่า "จะสอน" ให้ระบบคิดเองได้ยังไง สุดท้าย มันจะเหลือแต่สิ่งที่จำเป็นต่อการเคลื่อนไหวจริงๆ (ซึ่งควรจะน้อยกว่าเก็บดีเทล แมพทุกท่าทางทุกมุมทุกจุดของร่างกายมาก) และจะเหมือนกว่าเดิมมาก
ถ้าเทียบในมุม AI ... trained model ช่วงแรกๆมันจะดูกากๆ แต่พอพ้นขั้นต่ำไปแล้วมันจะเป็นคนละเรื่อง แบบที่ใช้ระบบเดิมยังไงก็ตามไม่ทัน เทียบกับเรื่องอื่นๆที่มีโมเดลเช่น การวิเคราะห์หน้าตา การวิเคราห์ลายมือและรูปวาด แรกๆมันก็โง่ ไม่สมจริง ไม่เหมือน .... เดี๋ยวนี้เห็นแล้วเดาไปได้ถึงขั้น สัญชาติ อายุแล้ว
ขอให้มี model ให้มันได้ trained ก่อนแค่นั้นแหล่ะครับ
แค่คิดว่า จากเดิมเกมต้องใช้ cpu/gpu ประมวลผลท่าทาง แล้วของใหม่ใช้แค่ 10MB
ได้เพิ่มมา 10fps ก็คุ้มแล้วครับ (ยิ่งถ้าเอาโมเดลขนาดเล็กๆ ไปใช้บนมือถือ จะเห็นผลชัดเจนขึ้นเยอะเลย)
หรือลองมองในมุมเอาไปใส่ใน Robot ดูก็ได้ครับ โมเดลการเคลื่อนไหวดีๆ จะทำให้หุ่นใกล้ความจริงขึ้น (เวลาเจอ rough terrain อ่ะนะ)
ML แค่เทรนไม่ดีพอครับ มันเป็นแค่โมเดล 10 MB ที่สร้างการเคลื่อนไหวมนุษย์ ในแลบที่เป็นเปเปอร์ครับ ถ้าเอาวิธีนี้ไปลงกับของจริง สร้างได้อีกเยอะครับ อันนี้เขาแค่เทรนให้ดูเฉยๆมีเขาทำได้นะ
ที่เหมือนลิงคือถูกแล้วครับ เพราะถ้าเคยปีนเขาจริงๆจะรู้ว่า มันต้องย่อตัวและใช้มือช่วยในการปรับมุมไม่ให้ล้มครับ ตามกฏวัตถุบนพื้นเอียง ที่ต้องปรับมุม tan(alpha) ให้น้อยกว่า tan(theta) ของพื้นที้เอียง ซึ่ง AI เก็บงานตรงนี้ได้เป๊ะซะจนคิดว่ามันรู้สึกจริงๆเลยครับ
สังเกตตอนเวลา 2:35 สิครับ เหมือนจะเสียหลัก ทำให้เกิดท่าทางพยายามใช้มือค้ำ ซึ่งแบบนี้การใช้ motion capture ไม่มีวันได้เห็นในเกมแน่ ๆ (ถ้าบทไม่ได้เขียนไว้ให้มีล่ะนะ)
ใช้คนแสดงดีกว่าอยู่แล้วล่ะครับ ตอนฝึก AI เขาก็ใช้ข้อมูลจากคนแสดงมาเป็น ground truth แต่ไม่ใช่ทุกคนสามารถนำนักแสดงมาแสดงทุกท่าได้ (มันแพง) บางทีพัฒนาเกมไปอยากเพิ่มท่าใหม่ไปเรียกนักแสดง ไปใช้สตูดิโออัดความเคลื่อนไหว พวกนี้เงินทั้งนั้น
แต่ถ้ามันอยู่ในระดับสมเหตุสมผล สตูดิโอเกมขนาดเล็กก็จะทำคุณภาพได้ใกล้เคียงเกมทุนหนาๆ ได้มากขึ้น ถึงจุดหนึ่งที่มันใกล้กันมากๆ ก็อาจจะไม่มีใครลงทุนบันทึกการเคลื่อนไหวทั้งหมดต่อไป
lewcpe.com, @wasonliw
สงสัยไม่เคยเล่น mass effect andromeda สินะ จะรู้ถึงความฮาว่า motion capture ไม่ใช่คำตอบที่ดีที่สุดของการทำเกมส์เสมอไป
ลั่น 555555
ยังจำแววตาเหล่านั้นได้ดี
สะดวกขึ้นเยอะ แต่บางจุดก็ยังรู้สึกไม่เหมือนจริงอยู่ อย่างตอนเดินลอดอุโมงที่ก้มและเงยตามลักษณะอุโมงมากเกิน ก็คงต้องมาปรับเองบ้าง
สำเสนอ => นำเสนอ
แจ่มมาก
That is the way things are.