本文來自AI新媒體量子位（QbitAI）
如今，不管是在主機、PC端，還是在掌機乃至手機上，各種遊戲在畫面的逼真度上已經做得相當不錯了；不過，對于常玩遊戲的朋友們來說，目前這些遊戲在一點上做得還差點意思——遊戲中人物的動作過于僵硬、不夠自然，有時還會出現讓人啼笑皆非的bug。那些靜态看上去面相不錯甚至是顔值爆表的遊戲角色，基本上一動起來，再遇上點障礙物什麼的，場面就會變得十分尴尬……
比如：
再比如：
這也是一直困擾着遊戲制作者們的問題。不過最近有個好消息給他們：來自愛丁堡大學和方法工作室（Method Studio）的幾位研究者開發出了一套動畫系統，利用神經網絡，這套系統能讓遊戲中角色的動作更為自然。
不能否認，現在的一部分優質遊戲在描繪人物的動作上做得不錯，但這項工作對于遊戲制作者來講是個十分痛苦的過程：他們需要一個極其龐大的動作庫，然後根據遊戲中的不同場景将每一種可能的動作連接配接在一起——舉個例子，《古墓麗影》裡，勞拉用蹲着的姿勢爬樓梯時，如果她把背挺起來會怎麼樣？如果她試着在一根橫木上保持平衡時被打了又會是什麼效果？這些可能出現的情況實在太多了，留給動畫師們的任務也太大了。
現在，Daniel Holden、Taku Komura和Jun Saito等人開發的這個系統有望讓這項工作變得更為容易。這個機器學習系統用大量不同種類的動作捕捉片段來進行訓練。而後，如果使用者輸入“走這條路”的密碼并同時将地形因素考慮在内，系統就會輸出同時滿足這兩個條件的動畫。
舉個例子，人物在慢跑的狀态下跳過一個小型障礙物：
動畫師們再也不需要将“由跑到跳”的動畫做自定義工作，一切都由算法做決定，算法輸出的動作變得更加流暢自然，避免了由一個動作到另一個動作的過程中産生的卡頓、跳躍和不自然。雖然目前的許多遊戲引擎也能對人物的腳步、複合動作做一點即時反應，但這一系統生成的動作要更為穩定、堅實。
機器學習技術在之前就已經被引入了遊戲制作領域。但之前的系統能夠搞定的隻是一些十分基本的動作，并且因為系統有時候遇到一些場景會短暫懵比，輸出的動作常常是錯誤的，或者會直接跳過某些必要的動作。
為了解決這些問題，研究團隊在這個神經網絡裡加入了相位函數，從根本上避免了系統把那些不同的動畫類别錯誤地混在一起，比如，在跳起的情況下走了一步。
“因為我們的方法是資料驅動的，遊戲角色不隻是單單地重複某個跳躍動作，它會根據障礙物的高度對自己的動作不斷地進行調整。”一位研究者說。
當然，這個系統現在可能還無法被原封不動地應用到遊戲當中，但它可能正在開啟用人工智能來創造群組合動作的過程，這意味着動畫師們要做的枯燥的工作将會更少，同時也意味着遊戲中角色的動作看上去将會更為自然。
附Paper：
<a>http://theorangeduck.com/media/uploads/other_stuff/phasefunction.pdf</a>
本文作者：唐旭
原文釋出時間：2017-05-02