DeepDribble用AI实现交互式角色，带来精细的物理技能与协调

文章相关引用及参考：nwn

结果是一个能够以各种顺序执行多种控球技术的球员

（映维网 2018年08月16日）你在视频中看到的似乎是人工智能领域的一大突破：一个虚拟角色正在通过AI实时“学习”如何进行运球。“DeepDribble”是DeepMotion和卡内基梅隆大学研究人员的一个项目，他们希望演示由AI控制的虚拟角色如何获取复杂而微妙的综合物理技能与协调，一种人类认为是理想当然的能力。

“篮球以复杂的控球，快速旋转和假动作而著称。一名优秀的球员能够流畅切换各种运球技巧。为了还原这一点，训练有素的角色需要能够在一系列单独训练的动作之间过渡… Libin Liu和Jessica Hodgins采用相同的方法来训练单一技能，从而创建多技能控制图表（支持切换两种不同技能的运动片段）。训练是逐步进行，一个动作接一个动作，从而确保每种技能之间存在适当的过渡。结果是一个能够以各种顺序执行多种控球技术的球员。”

DeppMotion的Libin Liu表示：“我们首先构建了一个数字角色的生物机械模型，利用物理来刺激骨骼和虚拟肌肉。我们将数字角色置放于物理模拟的虚拟世界中，并令其模仿真实球员是如何使用肌肉力量来执行动作。”

正如你想象的一样，训练过程需要大量的性能，但Libin Liu表示学习时间与一场转播的NBA比赛相当，或者甚至只需一半时间。

“我们的方法是动态的，我们采用线性方法来实现简单的运动和加深强化学习，从而获取复杂的运动技能。处理能力和训练时间同样取决于参考运动的长度。总体而言，一个中端服务器的所需时间从一小时到几小时不等。我们有空间通过云端或更快速的服务器实现并行处理来进一步缩短训练时间。”

这非常不同于大多数游戏中由计算机控制的角色，其运动都是映射真实篮球运动球的动捕姿势。DeepMotion的首席执行官Xiang Lin表示，DeepDribble是一种全新的方法，而且可以扩展至VR和AR应用程序，以及最终的真实用例。

Xiang Lin表示：“我们的方法从根本上不同于当前的游戏3D动画，后者是以更为静态的方式回放录制的动捕数据。我们的方式可以轻松摆脱普遍的伪影，比如说双脚打滑和物理上不够逼真的篮球运动，这经常出现在最新的篮球游戏中。”

“我们的技术不仅可以在3A游戏中创建逼真的动画，还可以在VR/AR中生成交互式角色。例如，开玩VR游戏的孩子可以从虚拟职业球员那里断球。另外，我们的技术采用与机器人相同的基础，其中角色由力和扭矩驱动，并在物理定律下移动。它可以扩展至驱动真实机器人，支持其执行手部模拟和类人运动。”

更多关于DeepDribble的技术信息请阅读DeepMotion的博文。