カリフォルニア大学バークレー校とカナダのブリティッシュコロンビア大学の研究者チームは、 コンピュータアニメーションで自然な動きを再現するアルゴリズムを開発.

従来のコンピューターでシミュレートされた動きは不器用でリズムがないと見なされており、人間の自然な動きを模倣することができないことがよくあります。

古い手法に失望したチームは、解決策を見つけることに触発されました。

「この作品の動機は、非常に難しいスキルを実行しながら自然な動きをすることができるシミュレートされたキャラクターを開発したいということです」と氏は述べた。 シュエ・ビン（ジェイソン）・ペン、カリフォルニア大学バークレー校の大学院生および研究者。

ピーテル・アベル & セルゲイ・レヴァイン、どちらもカリフォルニア大学バークレー校の電気工学およびコンピューターサイエンス学部出身で、 ミシェル・ヴァン・デ・パンネ ブリティッシュコロンビア大学の博士も研究に貢献しました。

研究者らは深層強化学習を使用して人間の自然な動きを再現しました。 この技術を使用すると、シミュレートされたキャラクターはアクロバット、ブレイクダンス、格闘技を行うことができ、さらにはつまずいたり発射物を回避したりするなど、環境の変化に反応することもできます。

コンピュータシステム (DeepMimic)

従来、コンピュータ アニメーションでは XNUMX つの手法が使用されてきました。

歩く、ひっくり返す、走るなど、あらゆるスキルに合わせてカスタマイズされたコントローラーを設計する必要があります。 この方法による結果は通常、非常に良好に見えるとペン氏は述べています。

深層強化学習手法を使用するもう XNUMX つの手法は、単一のアルゴリズムを使用して多くのトリックをシミュレートできますが、その結果はしばしば不自然に見えます。

研究者の新しい技術により、「両方の長所」を得ることができるとペン氏は声明で述べた。

チームのアルゴリズムは多くのトリックをシミュレートでき、従来のハンドコントローラーによる手法の外観を超える可能性がある。

「私たちの方法は非常にシンプルです」と彭氏は語った。

「私たちはまず、人間からスキルのデモンストレーションを XNUMX 回収集します (バク転やスピンキックなど)。」と彼は続けました。 「デモは通常、モーション キャプチャ クリップの形式で行われます。 次に、このデモンストレーションを、人間の動きを模倣しようとする強化学習アルゴリズムに供給します。 エージェントは、タイムステップごとに追跡エラーを最小限に抑えることで動きを模倣し、このシンプルなアプローチにより、最終的にキャラクターは非常にダイナミックでアクロバティックなスキルを習得できるようになります。」

Peng は、バク転、側転、キップアップ、跳馬、ランニング、スロー、ジャンプなどの 25 以上のモーション キャプチャ クリップから参考データを収集しました。

その後、チームは DeepMimic と名付けられたシステムに各スキルを約 XNUMX か月間練習させました。

コンピューターは昼も夜も練習し、実際の人間の動きに最も近いものを見つけるために試行錯誤を繰り返しました。

人間のバク転などの難しい動きには多くの個別の体の動きが必要であるため、研究者らはバク転のさまざまな段階を学習するようにアルゴリズムを設定しました。 次に、すべてのステージを取得し、それらをつなぎ合わせて完全なモーションを作成しました。

実世界のアプリケーション

このアルゴリズムには多くの応用が考えられます。

「この方法は、シミュレートされたエージェントが少量のデータから運動能力の幅広いレパートリーを学習する簡単な方法を提供します」と Peng 氏は述べています。 「この作品の最も直接的な応用は、おそらく映画やゲームのよりリアルでインタラクティブなキャラクターになるでしょう。 しかし将来的には、この種の動的なスキルを実行できるようにロボットを訓練するために、デモンストレーションから学習するこのアプローチを使用できる可能性に興味があります。」

この革新的な方法により、研究者たちはディープラーニングとアニメーションに関して未知の領域に足を踏み入れています。

「私たちは自然な方法で動作する、より有能なエージェントを開発しました」とペン氏は声明で述べた。 「私たちの結果を人間から記録されたモーション キャプチャと比較すると、その XNUMX つを区別し、何がシミュレーションで何が現実であるかを区別することがかなり困難になるところまで来ています。 私たちはバーチャルスタントマンに向かって進んでいます。」

この技術をロボット工学に使用することに関して多くの関心が表明されています。

この方法では、エージェントが特定のスキルを効率的に学習できるようになるまでに多くのトレーニングが必要なため、現在の方法をロボット工学に適用するのは難しいだろうとペン氏は述べた。 「しかし、デモンストレーションから学ぶという一般的な方向性は、ロボット工学の研究において非常に有望な手段であると思います。これらのアプローチを探求する多くの刺激的な研究が進行中です。」