Notebookcheck
, , , , , ,
zu verknüpfen.
, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
 

KI-Stuntman könnte durch Deep Learning Videospiele realistischer machen

KI-Stuntman könnte durch Deep Learning Videospiele realistischer machen
KI-Stuntman könnte durch Deep Learning Videospiele realistischer machen
Forscher haben eine selbstlernende KI entwickelt, welche anhand von Motion-Capturing-Beispielen oder selbst von Hand animierte Keyframes lernt, Bewegungen zu imitieren. Dadurch bringt sich „DeepMimic“ Bewegungsabläufe quasi selbst bei. Der Vorteil liegt in der Kostenersparnis und der besseren Übertragbarkeit auf andere, virtuelle Charaktere.
Christian Hintze,
Jobs
Wir erweitern unser Test-Team und suchen Notebook-Enthusiasten für unsere Redaktion. Details

Entwickler von Videospielen setzen für eine geschmeidige Animation oftmals of Motion Capturing (Mocap). Die Methode ist aufgrund der dafür nötigen Technik und den professionellen Schauspielern recht teuer, außerdem gibt es Probleme bei der Übertragung von Bewegungsabläufen auf unterschiedliche, virtuelle Körperformen und verschiedenes Terrain.

Eine neue Deep Learning Engine namens DeepMimic verfolgt einen anderen Ansatz. Sie kann Bewegungsabläufe durch Vorgabe von nahezu beliebigen Animationsquellen über viele Versuche hinweg selbst erlernen. Als Vorgabe können Mocap-Animationen oder sogar handanimierte Keyframes dienen. So wird die KI quasi zum virtuellen Stunt-Schauspieler.

Die KI verspricht dabei realistische Bewegungen mit einer gewissen Flexibilität, sodass auch Terrainänderungen mit einbezogen werden. Dabei soll die KI den Regeln der Physik folgen, sodass sie auch lernt die einstudierten Bewegungen unter erschwerten Bedingungen und Unterbrechungen, wie etwa durch ein Projektil, mit den dementsprechenden Konsequenzen durchzuführen. Dadurch kann die Bewegung an die Umstände angepasst werden, es muss also nicht für jedes Szenario neu gecaptured werden. Auch die Übertragung auf andere virtuelle Körperformen beherrscht die KI.

Das Training folgt dem Prinzip des Belohnungslernens, also der Konditionierung. Je näher der Bewegungsversuch der KI an das Originalmaterial heranreicht, desto positiver wird die Verstärkung. Auch in der Robotik könnte die Methode nützlich sein, um den Maschinen bereits vorab Bewegungsabläufe beizubringen, welche diese dann nur noch an die realen Umstände anpassen müssen.

, , , , , ,
zu verknüpfen.
, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
 

Quelle(n)

Engadget

Bild: Jason Peng/Roxanne Makasdjian/Stephen McNally, UC Berkeley

static version load dynamic
Loading Comments
Diesen Artikel kommentieren / Antworten
, , , , , ,
zu verknüpfen.
, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
 
Christian Hintze
Christian Hintze - Managing Editor - 1633 Artikel auf Notebookcheck veröffentlicht seit 2016
Ein C64 markierte meinen Einstieg in die Welt der PCs. Mein Schülerpraktikum verbrachte ich in der Reparaturabteilung eines Computerladens, zum Abschluss durfte ich mir aus “Werkstattresten” einen 486er PC selbst zusammenbauen. Folglich begann ich später ein Informatikstudium an der Humboldt-Uni in Berlin, Psychologie kam hinzu. Nach meiner ersten Arbeit als wissenschaftlicher Mitarbeiter an der Uni ging ich für ein Jahr nach London und arbeitete für Sega an der Qualitätssicherung von Computerspielübersetzungen, u.a. an Spielen wie Sonic & All-Stars Racing Transformed oder Company of Heroes. Seit 2017 schreibe ich für Notebookcheck.
Teilen Sie diesen Artikel um uns zu unterstützen. Jeder Link hilft!
> Notebook Test, Laptop Test und News > News > Newsarchiv > News 2018-04 > KI-Stuntman könnte durch Deep Learning Videospiele realistischer machen
Autor: Christian Hintze, 12.04.2018 (Update: 12.04.2018)