Un team di ricercatori dell'Università della California, Berkeley e l'Università della British Columbia in Canada ha sviluppato un algoritmo per ricreare moti naturali nell'animazione al computer.

I tradizionali movimenti simulati al computer sono visti come goffi e senza ritmo, spesso fallendo nel mimare i movimenti naturali di un umano.

Deluso da vecchie tecniche, il team è stato ispirato a trovare una soluzione.

"La motivazione per questo lavoro è che vogliamo sviluppare personaggi simulati in grado di eseguire alcune abilità molto impegnative mentre si muove in modo naturale", ha detto Xue Bin (Jason) Peng, studente universitario e ricercatore alla UC Berkeley.

Pieter Abbeel ed Sergey Levine, entrambi dal Dipartimento di ingegneria elettrica e informatica di Berkeley, e Michiel van de Panne anche l'Università della British Columbia ha contribuito allo studio.

I ricercatori hanno utilizzato l'apprendimento di rinforzo profondo per ricreare moti naturali negli esseri umani. Con questa tecnica, i personaggi simulati possono fare acrobazie, breakdance e arti marziali, e possono perfino rispondere ai cambiamenti nell'ambiente, come essere inciampato o schivare proiettili.

The Computer System (DeepMimic)

Tradizionalmente, ci sono state due tecniche utilizzate nell'animazione al computer.

Uno richiede la progettazione di controller personalizzati per ogni abilità, come camminare, lanciare o correre. I risultati di questo metodo di solito sembrano abbastanza buoni, ha detto Peng.

L'altra tecnica, che utilizza metodi di apprendimento con rinforzo profondo, può simulare molti trucchi usando un singolo algoritmo, ma i suoi risultati spesso sembrano innaturali.

La nuova tecnica dei ricercatori consente loro di ottenere "il meglio da entrambi i mondi", ha detto Peng in una dichiarazione.

L'algoritmo del team può simulare molti trucchi e potrebbe superare l'aspetto dei metodi tradizionali del controllo manuale.

"Il nostro metodo è estremamente semplice", ha detto Peng.

"Per prima cosa raccogliamo una singola dimostrazione di abilità da un essere umano (ad esempio backflip o spin kick)", ha continuato. "Le dimostrazioni sono solitamente sotto forma di clip di motion capture. Diamo quindi da mangiare questa dimostrazione ad un algoritmo di apprendimento di rinforzo che cerca di imitare il movimento dell'umano. L'agente imita il movimento minimizzando l'errore di tracciamento ad ogni timestep, e questo semplice approccio finisce per consentire al personaggio di apprendere alcune abilità molto dinamiche e acrobatiche. "

Peng ha raccolto dati di riferimento da più di 25 clip di cattura di movimento di backflip, cartwheels, kip-up, vault, corsa, lancio, salto e altro.

Il team ha quindi permesso al sistema, denominato DeepMimic, di praticare ogni abilità per circa un mese.

Il computer si è allenato tutto il giorno e la notte e ha usato prove ed errori per trovare la corrispondenza più vicina ai veri movimenti umani.

Poiché i movimenti difficili, come il backflip umano, richiedono molti movimenti individuali del corpo, i ricercatori impostano l'algoritmo per apprendere le varie fasi del backflip. Ha poi preso tutte le fasi e le ha unite per creare un movimento completo.

Applicazioni del mondo reale

L'algoritmo potrebbe avere molte applicazioni.

"Questo metodo fornisce un modo semplice per gli agenti simulati di apprendere un vasto repertorio di abilità motorie da una piccola quantità di dati", ha detto Peng. "Le applicazioni più immediate di questo lavoro saranno probabilmente personaggi più realistici e interattivi per film e giochi. Ma in futuro, siamo interessati a possibilmente utilizzare questo approccio di apprendimento dalla dimostrazione per addestrare i robot ad eseguire questo tipo di abilità dinamiche. "

Con questo metodo rivoluzionario, i ricercatori stanno calpestando acque inesplorate per quanto riguarda l'apprendimento profondo e l'animazione.

"Abbiamo sviluppato agenti più capaci che si comportano in modo naturale", ha detto Peng in una dichiarazione. "Se si confrontano i nostri risultati con la registrazione del movimento registrata dagli esseri umani, arriviamo al punto in cui è piuttosto difficile distinguere i due, per dire cos'è la simulazione e ciò che è reale. Ci stiamo avviando verso uno stuntman virtuale. "

Molto interesse è stato espresso riguardo all'uso di questa tecnica in robotica.

Poiché il metodo richiede molto allenamento prima che un agente possa imparare efficacemente una particolare abilità, sarà difficile applicare il metodo attuale alla robotica, ha detto Peng. "Ma penso che la direzione generale dell'apprendimento dalle dimostrazioni sia una via di ricerca estremamente promettente per la robotica, e c'è un sacco di entusiasmante lavoro in corso che sta esplorando questi approcci".