原标题：游戏将更逼真：研究人员教会虚拟角色25种自然动作

北京时间7月5日消息, 据国外媒体报道, 利用成熟的机器学习技术, 美国加州大学伯克利分校的研究人员教会了虚拟角色完成超过25种自然动作, 包括翻跟斗、侧翻跳和高踢腿等, 甚至还能表演霹雳舞。 这项技术或许将为我们带来更加逼真的视频游戏和更加灵活的机器人。 

虽然目前的电脑动画已经足够好, 但还有很大的改进空间。 如果有一天, 我们无法分辨出什么是模拟, 什么是真实, 那才真正说明这些虚拟动画人物拥有自然的外表和动作。 为了达到这一终极目标, 加州大学伯克利分校的研究生Xue Bin（Jason）Peng和同事们将两种技术结合了起来, 分别是动作捕捉技术和深度强化计算机学习技术, 创造出了一个全新的系统, 能够教会模拟动画角色完成复杂、逼真的形体任务。 这些数字角色从零开始学习, 在有限的人工干预下, 学会了如何踢腿、跳跃。 此外, 它们甚至学会了如何与所处环境中物体互动, 比如挡住它们的障碍物, 或者直接扔到它们身上的物体。 

正常情况下, 计算机动画绘制者必须为每项技能或任务手动创建自定义控制器。 这些控制器做得非常细致, 并且包括了诸如走路、跑步、翻滚或其他分散的技能。 用这种技术创造出来的动作看起来很“得体”, 但每个动作都必须单独手动制作。 另一种途径是专门使用强化学习方法, 比如DeepMind的生成对抗模拟学习（GAIL）。 这种技术令人印象深刻, 其模拟的智能体能从零开始学习各种东西, 但往往会产生不可预知而且非常不自然的奇怪结果。 

Xue Bin（Jason）Peng等人的新系统名为“DeepMimic”, 具有略为不同的工作原理。 该系统并不是将模拟角色推向特定的最终目标, 例如走路等动作, 而是利用动作捕捉片段来向人工智能“展示”最终目标应该是什么样的。 在实验中, 研究团队从奔跑、投掷、跳跃和后空翻等超过25种不同的形体动作中获取了动作捕捉数据, 从而“定义技能所需的风格和形态”。 Xue Bin（Jason）Peng在伯克利人工智能研究（Berkeley Artificial Intelligence Research, BAIR）博客中对此进行了解释。 

结果并不是一夜之间就能出来的。 虚拟智能体会绊倒、跌倒, 并不断脸朝下摔倒, 直到最终学会正确的动作。 每个技能都需要大约一个月的模拟“练习”才能熟练, 虚拟智能体在其中进行了数百万次的后空翻或侧翻跳尝试。 不过, 每一次失败的尝试都可以使智能体进行调整, 从而更接近预期目标。 

利用这一技术, 研究人员成功开发出了具有非常真实、自然状态的虚拟智能体。 令人印象深刻的是, 这些智能体还能应对一些前所未有的情况, 比如具有挑战性的地形或障碍物。 这是强化学习的额外奖励, 并不是研究者必须专门研究的内容。 

“我们提出了一个在概念上简单的‘强化学习’框架, 使模拟角色能从参考动作片段中学会高度动态和杂技般的技巧。 这些动作片段可以由人类对象上记录的动作捕捉数据形式来提供, ”Xue Bin（Jason）Peng写道, “得到某个技能, 比如飞踢腿或后空翻的单个展示后, 我们的模拟角色就能学习一种鲁棒的策略来模仿该技巧。 这些策略所产生的动作几乎与动作捕捉数据无法区分。 ”他还补充道, “我们正在进一步构建一个虚拟替身”。 

为了不被超越, 研究人员还使用DeepMimic来模拟狮子、恐龙和神话动物的动作。 他们甚至创造出了虚拟的人形机器人Atlas。 这一新的平台不仅能用来制作更逼真的电脑动画, 还可以用于机器人的虚拟测试。