DReCon - ユービーアイソフトによるゲームでの実行を想定した深層強化学習とモーションマッチングを用いた物理ベースのアニメーション制御技術！

ユービーアイソフト モントリオールによる、ゲームでの運用を想定した、深層強化学習とモーションマッチングを用いた物理ベースのアニメーション制御技術「DReCon: Data-Driven Responsive Control of Physics-Based Characters」
SIGGRAPH ASIA 2019向け技術論文

この研究では、深層強化学習とモーションマッチングと呼ばれるデータ駆動型アニメーション手法を適用して、物理的にシミュレートされたキャラクターの移動を制御するために開発した方法を紹介します。キャラクターは独自の強さで完全に動き、バランスを取り、環境との相互作用の現実的なシミュレーションを可能にします。また、ゲーム固有の制約を念頭に置いて、現在のハードウェアで実際のゲームのパフォーマンス予算に適合させるために、実行コストが非常に低いことを確認してください。

自己バランスの物理的にシミュレートされたヒューマノイドのインタラクティブな制御は、リアルタイムキャラクターアニメーションの分野では長年の問題です。
物理シミュレーションは仮想世界での現実的な相互作用を保証しますが、バランスを維持するために異常な動作を実行すると、シミュレートされたキャラクターが不自然に見えることがあります。
したがって、ユーザーの制御、実行時のパフォーマンス、および多様性に対する高レベルの応答性の取得は、モーション品質と引き換えに見過ごされがちです。
深層強化学習の分野における最近の研究は、モーションキャプチャクリップを追跡するために物理的にシミュレートされたキャラクターをトレーニングすると、高品質の追跡結果が得られることを示しています。非構造化モーションキャプチャデータから応答性の高いシミュレートされたキャラクターコントローラーを構築するための2段階アプローチを提案します。
まず、移動方向、進行方向、速度、移動スタイルなどのデータから意味のある機能がインタラクティブに指定され、モーションマッチングを使用して実装されたキネマティックキャラクターコントローラーを駆動します。
次に、強化学習を使用して、キネマティックコントローラによって生成できるモーションの分布全体を追跡するのに十分な一般的なシミュレートされたキャラクタコントローラをトレーニングします。

私たちのデザインは、ユーザー入力への応答性、ビジュアル品質、およびビデオゲームのアプリケーションの低ランタイムコストを重視しています。

モーションのコストってどうしても膨れやすいですからね… モーション数でゴリ押しの時代はもう終わりつつあります。
こういう技術がどんどん導入されるのを望みます。

その他詳細についてはリンク先へどうぞ。

リンク

DReCon: Data-Driven responsive Control of Physics-Based Characters – Ubisoft Montréal