本文来自AI新媒体量子比特(QbitAI )
如今，无论是主机、PC端，还是手机、手机，各种游戏在画面的真实感方面都做得相当好。 但对于经常玩游戏的朋友来说，目前这些游戏在一点上似乎还很有意义。 ——游戏中人物的动作过于僵硬，不自然，有时还会出现逗人发笑的臭虫。 静态的、看起来很漂亮、脸也不起眼的角色，基本上都会行动起来，碰到障碍物等的话，场面会变得很尴尬……
例如：
例如：
例如：
这也是一直困扰游戏制作者们的问题。 不过，最近有好消息。 来自爱丁堡大学和方法工作室(Method Studio )的几位研究人员利用神经网络，开发了使游戏中的角色动作更自然的动画系统。
确实，目前一些优秀的游戏在描绘人物动作方面表现不错，但这项工作对游戏制作者来说是一个非常痛苦的过程。 他们需要非常庞大的动作库，根据游戏的不同场景将所有可能的动作连接起来，举——例。 《古墓丽影》中，当bzdlm以蹲姿爬上楼梯时，如果她抬起背会怎么样？ 如果她在横木上试图平衡时被打了会怎么样？ 这些情况真的太多了，留给动画师们的任务也太大了。
目前，由Daniel Holden、Taku Komura和Jun Saito等人开发的该系统有望使这项工作更加容易。 该机器学习系统使用许多不同类型的动作捕捉段进行训练。 然后，使用者输入“走这条路”的密码，同时考虑地形因素，输出满足这两个条件的动画。
例如，人在慢跑时会跳过小障碍物：
动画师们不再需要定制“跳远”的动画。 算法全部确定，算法输出的动作更加流畅自然，避免了从一个动作到另一个动作过程中产生的卡顿、跳跃、不自然。 目前的许多游戏引擎也能对人的脚步、复合动作稍作实时反应，但该系统产生的动作需要更加稳定、稳健。
机器学习技术从以前就被引入到游戏制作领域。 但是，迄今为止的系统只能解决极基本的行为。 而且，系统有时遇到一些场景就会马上变得无知，输出的动作常常是错误的或者跳过必要的动作。
为了解决这些问题，研究小组在该神经网络中加入了相位函数，从根本上避免了系统错误地混合这些不同的动画类别。 例如，一边跳一边进了一步。
“因为我们的方法是数据驱动的，所以游戏的角色不仅仅是重复跳跃动作，还会根据障碍物的高度不断调整自己的动作。 ”一位研究者说。
当然，这个系统可能无法直接应用于游戏，但使用人工智能制作和组合动作的过程可能已经开始。 这意味着动画师们要做的无聊工作越来越少，游戏中角色的动作看起来更自然。
带纸：
3358 theorangeduck.com/media/uploads/other _ stuff/phase function.pdf
作者：花痴海燕原文发布时间： 2017-05-02