«Мы создаем физически смоделированных людей, которые учатся с умением и ловкостью перемещаться в окружающей среде», — сказал Мишель ван де Панне, профессор информатики UBC, который представляет это исследование сегодня на SIGGRAPH 2017, крупнейшем в мире компьютерном графике и интерактивном конференция по методикам. «Мы учим компьютерных персонажей учиться реагировать на окружающую их среду без необходимости вручную кодировать необходимые стратегии, например, как поддерживать баланс или планировать путь через движущиеся препятствия. Вместо этого можно научиться этому поведению».Работа под названием DeepLoco предлагает альтернативный способ анимации движения человека в играх и фильмах вместо нынешнего метода, который использует актеров и камеры захвата движения или аниматоров.
DeepLoco позволяет персонажам автоматически перемещаться реалистично и с вниманием к своему окружению и целям. В будущем двуногие или четвероногие роботы смогут научиться перемещаться по своей среде без необходимости вручную кодировать соответствующие правила.Используя его алгоритм, смоделированные персонажи научились ходить по узкой дорожке, не падая, избегать столкновения с людьми или другими движущимися препятствиями и даже вести футбольный мяч по направлению к воротам.Этот метод расширяет возможности глубокого обучения с подкреплением, типа алгоритма машинного обучения, в котором опыт приобретается путем проб и ошибок и определяется вознаграждением.
Со временем система постепенно определяет более эффективные действия, которые следует предпринять в определенных ситуациях.«Это похоже на изучение нового вида спорта», — сказал ван де Панне. «Пока вы не попробуете это, вы не знаете, на что нужно обратить внимание. Если вы учитесь кататься на сноуборде, вы можете не знать, что вам нужно распределять свой вес определенным образом между пальцами ног и пятками.
Это стратегии, которые лучше всего усвоить, поскольку их очень сложно закодировать или спроектировать каким-либо другим способом ".Движение людей и животных регулируется не только физикой, но и контролем. В то время как люди изучают управление моторикой методом проб и ошибок, ван де Панне говорит, что трудно сказать, насколько алгоритм имитирует процесс обучения человека.
В конце концов, компьютерная программа учится намного медленнее, чем человеческая. Он начал работать над этим типом проблемы моторного обучения, когда у него были дети; им сейчас 17 и 20 лет.
«Я отчетливо помню, как задавался вопросом, кто первым научится быстрой ходьбе и бегу: мой сын, дочь или алгоритм?» он сказал. «Мои сын и дочь избили меня с дальней дистанции».Смотрите видео здесь: https://youtu.be/15IyqCwTV4A