你在視頻中看到的似乎是人工智能領域的一大突破：一個虛擬角色正在通過AI實時“學習”如何進行運球。“DeepDribble”是DeepMotion和卡內基梅隆大學研究人員的一個項目，他們希望演示由AI控制的虛擬角色如何獲取復雜而微妙的綜合物理技能與協調，一種人類認為是理想當然的能力。

“籃球以復雜的控球，快速旋轉和假動作而著稱。一名優秀的球員能夠流暢切換各種運球技巧。為了還原這一點，訓練有素的角色需要能夠在一系列單獨訓練的動作之間過渡… Libin Liu和Jessica Hodgins采用相同的方法來訓練單一技能，從而創建多技能控制圖表(支持切換兩種不同技能的運動片段)。訓練是逐步進行，一個動作接一個動作，從而確保每種技能之間存在適當的過渡。結果是一個能夠以各種順序執行多種控球技術的球員。”

DeppMotion的Libin Liu表示：“我們首先構建了一個數字角色的生物機械模型，利用物理來刺激骨骼和虛擬肌肉。我們將數字角色置放于物理模擬的虛擬世界中，并令其模仿真實球員是如何使用肌肉力量來執行動作。”

正如你想象的一樣，訓練過程需要大量的性能，但Libin Liu表示學習時間與一場轉播的NBA比賽相當，或者甚至只需一半時間。

“我們的方法是動態的，我們采用線性方法來實現簡單的運動和加深強化學習，從而獲取復雜的運動技能。處理能力和訓練時間同樣取決于參考運動的長度。總體而言，一個中端服務器的所需時間從一小時到幾小時不等。我們有空間通過云端或更快速的服務器實現并行處理來進一步縮短訓練時間。”

這非常不同于大多數游戲中由計算機控制的角色，其運動都是映射真實籃球運動球的動捕姿勢。DeepMotion的首席執行官Xiang Lin表示，DeepDribble是一種全新的方法，而且可以擴展至VR和AR應用程序，以及最終的真實用例。

Xiang Lin表示：“我們的方法從根本上不同于當前的游戲3D動畫，后者是以更為靜態的方式回放錄制的動捕數據。我們的方式可以輕松擺脫普遍的偽影，比如說雙腳打滑和物理上不夠逼真的籃球運動，這經常出現在最新的籃球游戲中。”

“我們的技術不僅可以在3A游戲中創建逼真的動畫，還可以在VR/AR中生成交互式角色。例如，開玩VR游戲的孩子可以從虛擬職業球員那里斷球。另外，我們的技術采用與機器人相同的基礎，其中角色由力和扭矩驅動，并在物理定律下移動。它可以擴展至驅動真實機器人，支持其執行手部模擬和類人運動。”

來源：yivian