專訪育碧中國資料專家：用AI工具打造NPC動物園

研究靈感來自動物動捕和AI人類姿勢估計

對於遊戲玩家來說，“動作捕捉”並不是什麼新鮮詞彙，一些有過初步瞭解的人腦海中還會有相關影像：真人演員穿著遍佈連點器的深色皮套，四周皆是綠幕......

但實際上，“動作捕捉”技術在今天已經不再侷限於人類演員身上，廣大動物“演員”亦可上陣。

在去年舉辦的Siggraph Asia上，兩位來自育碧中國的資料專家Abassin Sourou FANGBEMI和Alexis Rolland帶來了題為《ZooBuilder：用四足動物視訊生成3D動畫》的演講。

演講中，他們分享了育碧中國自研的全新高科技工具“ZooBuilder”的部分資訊。簡單來說，該工具能夠通過AI來估計動物姿態，從而得到近似動物動捕的動畫資料，加速研發程式。

“我們的目標是ZooBuilder最終能適用於所有四足動物，希望憑藉它來推動動畫和遊戲產業創新。”Alexis曾如是說道。

事實上，在遊戲領域，豐富多樣的動物早已成為塑造遊戲樂趣不可或缺的一部分。

無論是《古墓麗影》中令人難忘的“人熊大戰”，還是《孤島驚魂》裡無比逼真的野生動物生態系統，都帶給了玩家直面自然生靈的刺激體驗。


為進一步瞭解ZooBuilder技術，競核特此約訪了育碧中國資料和AI實驗室經理Alexis Rolland、育碧中國資料科學家Abassin Sourou Fangbemi兩位負責該專案的專家，與他們一同探尋AI技術在遊戲行業的未來與發展。

從人類到動物的技術邁進

或許很多人有所不知，歷史上首次有記載的“動捕”物件並非人類，而是賽馬。

1872年，美國加州富豪史丹佛為驗證“跑動中的馬匹四蹄是否全部騰空”，邀請了英國攝影師邁布里奇進行拍攝驗證。

具體方法為，將寬門與棉線相連，賽馬奔跑觸碰棉線後便會觸動拍攝機關。16臺照相機全部拍攝完畢，便能夠驗證結果。

該實驗後來被命名為“動物實驗鏡”，後來也被認為是電影的起源之一。除了巧妙的構思，或許對該實驗最大的觀感便是——動物的動作捕捉難度極高。


時過境遷，動物動捕的難度並沒有隨著科技進步有太大的改善。2000年，日本遊戲名廠Capcom為製作《鬼武者2》過長CG，找來了日本著名CG小組Robot進行拍攝。

整個過程異常艱難。馬匹在應用當時的“穿戴式”馬克點安裝方式（緊身服+採集球）後，無法獲得散熱幾近窒息。

後來改為直接黏貼採集球到馬身，又由於晃動劇烈、汗液分泌導致脫落。最後，勉強在一個馬術俱樂部中才完成了操作。

後來到了R星的《荒野大鏢客2》，問題算是勉強得到解決：不惜投入的R星直接購買了數匹純種馬，為每一匹馬的動作進行了排序，拍攝超過200次、耗時數月才完成計劃，所得資料可以塞滿一塊硬碟。


但棘手的問題仍舊存在：馬還好說，如果要動捕一些攻擊性較強的動物，例如虎豹，再沿用人類那套方法，恐怕只會徒增風險，更別提他們的活動方式更加難以捉摸。

《孤島驚魂》系列中的野生動物數量恐怕在整個遊戲領域都是數一數二的存在，也正因如此，育碧對於動物動捕的替代解決方案有著更為強烈的需求。

“育碧中國為《刺客信條》和《孤島驚魂》系列研發簡單的環境動物和更為複雜的NPC動物接近10年了，”育碧中國資料和AI實驗室經理Alexis告訴競核，“我認為用科技手段實現動物研發自動化是育碧自身比較獨特的一個需求。”


他表示，在《孤島》系列中動物極大地豐富了玩家們的遊戲體驗，就他個人而言，並未看到很多遊戲中賦予動物如此重要的角色。

同時，受到學術界和行業裡利用機器學習、估計人類姿態的相關研究啟發，Alexis等育碧技術專家萌生了“為什麼我們不圍繞動物來做這個研究呢？”

如果該專案成功，將會極大縮減動物設計的投入，也能夠幫助育碧動畫部分實現自動化避免重複勞動。如此動力推動之下，他們做出了“ZooBuilder”。

那麼，“ZooBuilder”究竟是如何做出，又具備怎樣的先進功能呢？

“三步”解決動物動捕難題

“開發過程中，人才和寫作產生的合力起到了很大的作用。”Alexis在採訪中表示，“這個專案是由育碧中國AI和資料實驗室主導、橫跨成都和上海工作室的團隊，各部分的通力合作非常關鍵。”

具體來說，育碧中國動畫團隊提供了多年研發專案積攢的手K動畫素材，用於培訓工具AI；身處加拿大、新加坡等地的育碧資料科學家也毫不吝惜地分享了他們的研究經驗，並針對專案提供意見參考。

但即便如此，研發仍舊面臨諸多困難，其中就包括“生物多樣性”和“AI複雜性”兩項技術挑戰。

“生物多樣性”較好理解。動物種類何止百種，他們有著不同的骨骼、運動模式和體型，很難在短期內實現全覆蓋。Alexis介紹稱，目前“ZooBuilder”只針對陸地四足動物，已經攻克豹屬動物模型，仍有較大研究空間。

而對於“AI複雜性”，育碧中國資料科學家Abassin Sourou FANGBEMI從資料科學家的角度表示，為了讓演算法模型獲得最優效能，需要培訓AI，對培訓引數進行設定，包括學習速度、資料集大小、模型引數等等，而培訓過程便近似模擬真實動捕，只不過物件存在於視訊而非房間中。

而在這當中，每一個引數都會對模型的效能產生直接影響。“如果某個引數不理想，我們可能就會得到一隻會‘柔術’的豹子。”Abassin打趣道。


在多方努力下，最終“ZooBuilder”的表現也沒有讓人失望。

“我們不需要把野獸動物塞進房間裡做動捕，”Abassin說，“只需要用ZooBuilder和四足動物的2D視訊，即可得到近似動捕的資料。”


具體過程可分解為三個步驟：首先通過物體探測演算法來判斷每一幀上的動物所在位置；之後，再使用第二個演算法模型來找到動物骨骼的2D座標；最後，使用第三個演算法模型，利用2D座標推算出3D座標。

ZooBuilder最終將輸出近似動捕資料，可用於匯入生成動畫檔案。當然，如上文所述，該工具目前僅支援豹屬動物的有效2D視訊。


但育碧中國的規劃正如“ZooBuilder”的專案名稱一般，是覆蓋領域更為廣闊、生物種類更加豐富的“動物園鑄造器”。


短期內仍會專注技術提升

出於對該專案困難性、複雜性的綜合評估，Abassin表示育碧已將其視為長期研究規劃。他還告訴競核，育碧很願意和其他優秀的研發機構一起攻克姿態估計領域的挑戰。

競核瞭解到，ZooBuilder專案此前也獲得過四川大學的支援。

“我們曾經在成都舉辦過兩場‘黑客鬆’，來促進資料在遊戲行業的運用。”專家們表示，2019年的“黑客鬆”比賽獲獎團隊中有一名四川大學的學生，後來成為了育碧實習生並參與到了ZooBuilder專案中。

雙方合作發表了一篇研究論文，獲得了在“2020計算機動畫研討會”展示分享的機會。言語之間，兩位專家都非常看好大學生群體“利用資料來解決遊戲發展相關問題的想法”。

事實上，無論國內或是國外，以大學生為主的年輕人群體早已在遊戲、科技等領域嶄露頭角，育碧中國的針對性招聘也從未停歇。

他們也非常誠懇地表示，未來希望能夠繼續和中國乃至全球具備AI研究實力的大學合作，為遊戲研發生態提供切實可行的AI解決方案。

Alexis透露稱，目前他們已在和一家美國知名大學探討合作可能，該大學同樣主攻動物姿態估計，是理想的合作伙伴。

但與此同時，尚未有遊戲公司就ZooBuilder這一課題聯絡育碧相關部門。Alexis也承認，至少從目前來說，動物姿態估計的研究相較於人類姿態估計仍是過於小眾了。


談及未來，Alexis表示該專案的研發目的主要是自用，暫時沒有商業化規劃。至於未來ZooBuilder將會成長到何種程度，將取決於育碧本身的需求，但可以肯定的是，研究空間將越來越大。

競核認為，該技術上升空間巨大，且如果步入成熟階段，其可應用情景範圍極廣。尤其對於遊戲行業來說，商業價值值得期待。

但也正如兩位專家所言，ZooBuilder面臨著不少研發困難，作為一項複雜的AI工具，需要很長的成長期，短期內仍舊歸屬於小眾領域。


來源：競核
原文：https://mp.weixin.qq.com/s/65vaVppmavsXRZ3te3OHQA