[Машинное обучение, Искусственный интеллект, Киберспорт, IT-компании] Искусственный интеллект подался в баскетбол, а Анубис — строить карьеру на телевидении
Автор
Сообщение
news_bot ®
Стаж: 6 лет 9 месяцев
Сообщений: 27286
Полное видео туть: youtu.be/lPfiMHQWP88
Аве, Кодер!
Физика в мире современных компьютерных игр год от года становится все точней и сочней, особенно если мы говорим не о гиперказуалках и классике вроде арканоида, а о хитах с открытым миром и реалистичными моделями, у которых каждый сустав двигается как можно более натурально, дабы имитировать модели из реального мира.
И, поэтому, когда наш глаз заметит что-то неестественное в движении компьютерной собачеллы, к примеру, то он тут же подаст в мозг сигнал — что-то не так. Возможно, геймер не будет понимать, что именно не так, но мозг уже подсознательно сравнил увиденное с опытом из реальной жизни, например, тем, как двигается собака и заметил неточности.
Поэтому разработчики обычно не кодят это вручную, а записывают тонны моушн кэпчура в реальном времени и позже адаптируют его для игровых моделей.
Искусственный интеллект уже давно используется для этих целей и игровые студии смогли добиться реальных результатов благодаря ему, однако сегодня речь пойдет о разработке, которая способна оставить конкурентов далеко позади — по крайней мере в той области, для которой она была создана. Но кто сказал, что нечто подобное нельзя масштабировать дальше?
Баскетбол. Дриблинг. Бешеная динамика. Стойки. Обращение с мячом. Модели перемещаются быстро, часто меняя направление движения. Понадобится действительно грандиозное решение, чтобы все это динамическое добро обрабатывалось быстро, мощно и, между тем — реалистично.
И дополнительный челлендж заключается еще в том, что ИИ даны лишь три часа моушн кэпчур материала для тренировки, что вообще капля в море по сравнению с тем, на чем обучаются другие нейросети для подобных заданий.
Кроме того, нейросеть должна быть способна смоделировать движения, которые не были представлены в обучении, но были доступны для модели, управляемой игроком.
Казалось бы, учитывая ограничения, ИИ должен был не справиться с задачей, хотя бы, частично. Были предположения, что движения, входившие в эти три часа обучения, нейросеть будет адаптировать без проблем, а вот с синтезом новых будет посложнее и поэтому модели будут вести себя в некоторых моментах неественно, но результат превзошел все ожидания.
Во время управления реальным игроком, электронный баскетболист не терял свою пластичность в движениях, даже если игрок жмакал на кнопки управления как умалишенный.
И, кстати, насчет разнообразия поведения модели. То есть, выглядят ли движения однотипно для одних и тех же ситуаций? Возьмем, к примеру, дриблинг — искусственный интеллект способен вносить разнообразие и видоизменять то, как модель ведет мяч, комбинировать их вместе, чтобы получить новые движения того же самого типа и все равно оставаться чуткой к управлению.
Пример дрибблинга:
Извините, данный ресурс не поддреживается. :(
Это довольно впечатляюще для нейросети, которая была обучена всего на трех часах материала, но есть кое что еще, что может превзойти все ожидания.
Игрок также мог бросать мяч в кольцо и совершать подбор и при этом модель вела себя естественно, несмотря на то, что нейросети было предоставлено меньше семи минут материала для обучения.
И, кроме того, модель способна синтезировать движения, которых не было в обучающем материале, но которые она считает адекватными для определенных ситуаций.
Как видно из видеопримера, одна модель обучена двигаться, используя метод обучения основанный на Phase-Function Neural Network, а другая — предложенный AI4Animation.
Сравнение двух моделей:
Извините, данный ресурс не поддреживается. :(
Когда сравнивали движения двух моделей, игроки могли заметить явное отсутствие скованности у варианта AI4Animation: плавность движений, присущая живым организмам и то, как модель управляет сторонним предметом — мячом.
При дриблинге, модель обученная Phase-Function Neural Network заставляет мяч быть, как бы, приклеенным к руке игрока только ради того, чтобы ей было легче просчитывать движения модели, но и в этом случае это не приносило очевидного преимущества.
У AI4Animation, модель оставалась более восприимчивой к управлению игроком и поэтому на нее было не только приятнее смотреть, но и управлять ею.
А теперь представим на что будет способна эта технология не то, чтобы даже через пять или десять лет, но уже, скажем, через год.
Насколько она улучшится? В каких ещё спортивных играх она найдет применение? Только лишь… спортивных? Только в… играх?
В этом случае, создатели испытали нейросеть в очень узкой специализации, а именно — способность синтезировать естественные движения человеческих моделей, играющих в баскетбол, основываясь лишь на ограниченном количестве данных, предоставленных для обучения, при этом модели должны были оставаться управляемыми и адекватно реагировать на управление. Ну и конечно качество не должно было от этого пострадать.
Теперь посмотрим, как эта же технология может быть применена к решению других задач.
Например, этот нарисованный “хороший мальчик” двигается совсем как песики двигаются в жизни, причём, движения и походка мастерски адаптируются под команды и условия.
Пример с «хорошим мальчиком»:
Извините, данный ресурс не поддреживается. :(
А вот и Анубис решает прилунить свою мифологическую попу на различную мебель и, как бы сказала Малышева — делает это естественно.
Пример с Анубисом:
Извините, данный ресурс не поддреживается. :(
Или пробует работать доставщиком черных ящиков в “Что? Где? Когда?”. Осталось только научить его вращать барабан…
В любом случае, мы можем быть уверены за египетского бога смерти — его ждет шикарное будущее на телевидении.
Ознакомиться можно вот тут: github.com/sebastianstarke/AI4Animation
Это был Ви. Заглядывайте на канал «Аве, Кодер!»
Аве!
===========
Источник:
habr.com
===========
Похожие новости:
- [Open source, GitHub, IT-компании] Microsoft запустила портал об открытых проектах компании — opensource.microsoft.com
- [Поисковая оптимизация, IT-компании] Google ввела в поисковую выдачу информацию о доступности путешествий в связи с коронавирусом
- [IT-инфраструктура, Серверное администрирование, Облачные сервисы, IT-компании] Боли стартапов: как правильно развивать ИТ-инфраструктуру
- [Тестирование веб-сервисов, Управление проектами, Развитие стартапа, Будущее здесь, IT-компании] Определились победители открытого конкурса готовых цифровых решений «Инновации против кризиса»
- [Data Mining, Big Data, Машинное обучение, Искусственный интеллект] Индексы PSI и CSI — лучшие метрики для мониторинга работы модели (перевод)
- [Управление проектами, Управление персоналом, IT-компании] Простые средства информирования внутри компании
- [Законодательство в IT, Копирайт, IT-компании] Суд отклонил иск Genius, которая обвинила Google в присвоении транскрипций текстов песен
- [IT-компании] Сбербанк сделал платной рассылку уведомлений о денежных переводах
- [Искусственный интеллект, Транспорт] Пять причин, по которым мы до сих пор не видим робомобилей на дорогах (перевод)
- [Гаджеты, Смартфоны, IT-компании] Microsoft рассказала о том, как можно использовать смартфон Surface Duo с двумя экранами
Теги для поиска: #_mashinnoe_obuchenie (Машинное обучение), #_iskusstvennyj_intellekt (Искусственный интеллект), #_kibersport (Киберспорт), #_itkompanii (IT-компании), #_iskusstvennyj_intellekt (искусственный интеллект), #_kibersport (киберспорт), #_mashinnoe_obuchenie (машинное обучение), #_nejronnye_seti (нейронные сети), #_animatsija (анимация), #_mashinnoe_obuchenie (
Машинное обучение
), #_iskusstvennyj_intellekt (
Искусственный интеллект
), #_kibersport (
Киберспорт
), #_itkompanii (
IT-компании
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 25-Ноя 21:08
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 9 месяцев |
|
 Полное видео туть: youtu.be/lPfiMHQWP88 Аве, Кодер! Физика в мире современных компьютерных игр год от года становится все точней и сочней, особенно если мы говорим не о гиперказуалках и классике вроде арканоида, а о хитах с открытым миром и реалистичными моделями, у которых каждый сустав двигается как можно более натурально, дабы имитировать модели из реального мира. И, поэтому, когда наш глаз заметит что-то неестественное в движении компьютерной собачеллы, к примеру, то он тут же подаст в мозг сигнал — что-то не так. Возможно, геймер не будет понимать, что именно не так, но мозг уже подсознательно сравнил увиденное с опытом из реальной жизни, например, тем, как двигается собака и заметил неточности. Поэтому разработчики обычно не кодят это вручную, а записывают тонны моушн кэпчура в реальном времени и позже адаптируют его для игровых моделей. Искусственный интеллект уже давно используется для этих целей и игровые студии смогли добиться реальных результатов благодаря ему, однако сегодня речь пойдет о разработке, которая способна оставить конкурентов далеко позади — по крайней мере в той области, для которой она была создана. Но кто сказал, что нечто подобное нельзя масштабировать дальше? Баскетбол. Дриблинг. Бешеная динамика. Стойки. Обращение с мячом. Модели перемещаются быстро, часто меняя направление движения. Понадобится действительно грандиозное решение, чтобы все это динамическое добро обрабатывалось быстро, мощно и, между тем — реалистично. И дополнительный челлендж заключается еще в том, что ИИ даны лишь три часа моушн кэпчур материала для тренировки, что вообще капля в море по сравнению с тем, на чем обучаются другие нейросети для подобных заданий. Кроме того, нейросеть должна быть способна смоделировать движения, которые не были представлены в обучении, но были доступны для модели, управляемой игроком. Казалось бы, учитывая ограничения, ИИ должен был не справиться с задачей, хотя бы, частично. Были предположения, что движения, входившие в эти три часа обучения, нейросеть будет адаптировать без проблем, а вот с синтезом новых будет посложнее и поэтому модели будут вести себя в некоторых моментах неественно, но результат превзошел все ожидания. Во время управления реальным игроком, электронный баскетболист не терял свою пластичность в движениях, даже если игрок жмакал на кнопки управления как умалишенный. И, кстати, насчет разнообразия поведения модели. То есть, выглядят ли движения однотипно для одних и тех же ситуаций? Возьмем, к примеру, дриблинг — искусственный интеллект способен вносить разнообразие и видоизменять то, как модель ведет мяч, комбинировать их вместе, чтобы получить новые движения того же самого типа и все равно оставаться чуткой к управлению. Пример дрибблинга: Извините, данный ресурс не поддреживается. :( Это довольно впечатляюще для нейросети, которая была обучена всего на трех часах материала, но есть кое что еще, что может превзойти все ожидания. Игрок также мог бросать мяч в кольцо и совершать подбор и при этом модель вела себя естественно, несмотря на то, что нейросети было предоставлено меньше семи минут материала для обучения. И, кроме того, модель способна синтезировать движения, которых не было в обучающем материале, но которые она считает адекватными для определенных ситуаций. Как видно из видеопримера, одна модель обучена двигаться, используя метод обучения основанный на Phase-Function Neural Network, а другая — предложенный AI4Animation. Сравнение двух моделей: Извините, данный ресурс не поддреживается. :( Когда сравнивали движения двух моделей, игроки могли заметить явное отсутствие скованности у варианта AI4Animation: плавность движений, присущая живым организмам и то, как модель управляет сторонним предметом — мячом. При дриблинге, модель обученная Phase-Function Neural Network заставляет мяч быть, как бы, приклеенным к руке игрока только ради того, чтобы ей было легче просчитывать движения модели, но и в этом случае это не приносило очевидного преимущества. У AI4Animation, модель оставалась более восприимчивой к управлению игроком и поэтому на нее было не только приятнее смотреть, но и управлять ею. А теперь представим на что будет способна эта технология не то, чтобы даже через пять или десять лет, но уже, скажем, через год. Насколько она улучшится? В каких ещё спортивных играх она найдет применение? Только лишь… спортивных? Только в… играх? В этом случае, создатели испытали нейросеть в очень узкой специализации, а именно — способность синтезировать естественные движения человеческих моделей, играющих в баскетбол, основываясь лишь на ограниченном количестве данных, предоставленных для обучения, при этом модели должны были оставаться управляемыми и адекватно реагировать на управление. Ну и конечно качество не должно было от этого пострадать. Теперь посмотрим, как эта же технология может быть применена к решению других задач. Например, этот нарисованный “хороший мальчик” двигается совсем как песики двигаются в жизни, причём, движения и походка мастерски адаптируются под команды и условия. Пример с «хорошим мальчиком»: Извините, данный ресурс не поддреживается. :( А вот и Анубис решает прилунить свою мифологическую попу на различную мебель и, как бы сказала Малышева — делает это естественно. Пример с Анубисом: Извините, данный ресурс не поддреживается. :( Или пробует работать доставщиком черных ящиков в “Что? Где? Когда?”. Осталось только научить его вращать барабан… В любом случае, мы можем быть уверены за египетского бога смерти — его ждет шикарное будущее на телевидении. Ознакомиться можно вот тут: github.com/sebastianstarke/AI4Animation Это был Ви. Заглядывайте на канал «Аве, Кодер!» Аве! =========== Источник: habr.com =========== Похожие новости:
Машинное обучение ), #_iskusstvennyj_intellekt ( Искусственный интеллект ), #_kibersport ( Киберспорт ), #_itkompanii ( IT-компании ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 25-Ноя 21:08
Часовой пояс: UTC + 5