Des chercheurs présentent leur Neural State Machine, une technique basée sur les réseaux neuronaux qui permet des interactions réalistes entre un personnage et son environnement.
Quiconque a déjà joué à un jeu vidéo, à forcément vu un PNJ avancer bêtement contre un mur ou une barrière. Un souvenir qui appartiendra peut-être bientôt au passé, grâce à la Neural State Machine. Jusqu’à présent, la majorité des méthodes d’animation basées sur l’apprentissage machine se limitent à des actions relativement basiques, telles que déplacer un personnage d’un point A à un point B. Des informaticiens de l’Université d’Édimbourg, associés à Adobe Research, ont élaboré une nouvelle technique.
Celle-ci utilise les réseaux neuronaux en apprentissage profond. Cette méthode étoffe la variété de mouvements des personnages animés et leur permet surtout de s’adapter aux environnements : s’asseoir, ramasser des objets, franchir des obstacles, etc. La vidéo ci-dessus permet de se faire une idée un peu plus précise du système.
| À lire aussi : – L’Histoire de l’intelligence artificielle en images – Wheel of Fate, un RPG ambitieux avec une IA en guise de maître de donjon |
Encore pas mal de travail
Selon les chercheurs, l’interaction entre personnages et l’environnement est fondée sur deux aspects principaux : la planification et l’adaptation. Forcément, pour accomplir une tâche, par exemple ramasser des objets, un personnage doit planifier son action. Ensuite, il doit s’adapter aux contraintes rencontrées et adapter son comportement en conséquence. Présentées ainsi, les choses paraissent très simples. Mais vous vous en doutez, retranscrire ce genre de comportements chez un personnage 3D est une toute autre affaire.
Sebastian Starke, auteur principal de la recherche et doctorant à l’Université d’Édimbourg, explique : “l’obtention d’une qualité suffisante pour la production n’est pas simple et prend beaucoup de temps. Notre Neural State Machine apprend le mouvement et les transitions d’état requises directement à partir de la géométrie de la scène et d’un objectif donné. De plus, notre méthode est capable de produire de multiples types de mouvements et d’actions de haute qualité à partir d’un seul réseau”.
Pour proposer des animations crédibles, l’équipe a recours à la traditionnelle capture de mouvement. Les chercheurs se focalisent ensuite sur la transition la plus naturelle possible entre les différents mouvements du personnage. Quant aux réseaux neuronaux, ils sont chargés d’anticiper la prochaine pose du personnage, en tenant compte de sa pose précédente et surtout de l’environnement.
Les chercheurs présenteront leur Neural State Machine for Character-Scene Interactions lors de l’ACM SIGGRAPH Asia. Un événement qui se déroulera du 17 au 20 novembre à Brisbane, en Australie. En attendant, toutes les infos sont ici.
