Latent Technology：AI生成基于物理的动画，艺电背景创始团队 | 东西「游戏日」

东西「游戏日」，

上期"本土游戏特色文化出海 "（见文末）

聚焦游戏技术与体验迭代

带来的产业机遇与娱乐创新

欢迎投稿与交流，联系请见文末

更多游戏案例与技术应用研究

请关注东西文娱游戏组品牌账号

3A游戏体量逐渐提升，开放世界等游戏类型的流行……让开发游戏所需的各类资源总量不断攀升，促使游戏公司不断借助新技术完善工业化生产管线、优化流程，提升开发效率。

借助AI技术提升游戏开发各环节效率，也是业界一直以来的探索方向。近年来深度学习、强化学习等领域的研究进展，加上芯片算力的不断提升，让AI在游戏开发、测试等环节的应用潜力不断放大，许多游戏大厂设立了专门的工作室或部门研究游戏AI，也有不少初创公司涌现。

角色动画制作在游戏开发中一直是需要较多人力投入的环节，无论是动作捕捉还是动画师进行骨骼绑定、动作调整等工作。因此业界也在尝试使用工具提高制作效率，比如自动绑定工具AccuRig、Adobe的Mixamo等。

点击视频，了解更多

也有研究者试图以另一种思路解决角色动画制作中的问题，让经过强化学习的AI自行生成基于物理的角色动画，从而更加灵活、真实地对玩家和虚拟世界做出反应。

近期，AI技术背景的初创公司Latent Technology就以其生成物理动画技术获得了一轮融资。

Latent Technology：创始团队EA出身，用AI生成基于物理的角色动画

近期，伦敦初创公司Latent Technology获得210万美元预种子轮融资，由Root Ventures和Spark Capital领投，游戏风投基金Bitkraft Ventures跟投。Latent Technology首席执行官Jorge del Val表示，这轮融资将用于扩大团队规模并开发产品的第一个版本。

Latent Technology采用AI生成基于物理的动画，让角色以真实世界的物理学规律与虚拟世界进行互动，公司将这种技术称为Generative Physics Animation（生成物理动画）。

公司首席执行官、创始人Jorge del Val表示：“我们正在为虚拟世界构建下一代动画技术，这将使虚拟世界中的人物能够自己决定动作，并允许他们与环境进行物理互动，而不是用成千上万的动画加载他们。”

在游戏的角色动画制作领域，传统的方式主要是由动画师手工制作，有的会结合动作捕捉，但都是在预先设定好的动作集之内。为了实现逼真的游戏动画，传统方法需要大量预先制作好的动作资源，这也将带来人力等成本的上升。

即便制作了大量的动作资源，一旦出现动画师预计之外的交互，角色依然难以做出真实的反应。例如玩家向角色扔石头，如果动画师没有设计相应的动作，那么角色也就反应不过来。

Latent Technology的技术旨在解决传统方法中存在的这些问题，让角色用强化学习的方式，在模拟环境中根据经验自行学习移动。

但是只采用强化学习产生的动作可能并不接近现实世界中人类或生物的动作，因此Latent Technology还结合了生成建模技术，在AI训练中引入真实世界中人类或生物的运动数据，让AI生成的角色动画更加真实、高质量。

这种技术相比传统方法能够缩短开发时间，同时也能平衡动画的真实性和风格化表现。如果开发者不希望角色动作是写实的，也可以通过改变训练环境中的物理参数来实现各种风格化表现，比如超人一样的移动速度等。

Jorge del Val表示，这种效率的提高是由AI实现的，它能够为元宇宙等庞大的世界构建应用。

Latent Technology两名创始人Jorge del Val和Jack Harmer此前先后在EA（艺电）、Embark Studios共事。在EA期间，他们合作发表了Imitation learning with concurrent actions in 3d games（3D游戏中并发动作的模仿学习）论文，发表在游戏AI顶会IEEE CoG。

EA的游戏AI研究：AI角色动画、游戏测试，部分技术已实装

Latent Technology的两名创始人都来自EA（艺电）的研究部门SEED，该部门致力于研究AI在游戏中的运用，主要研究方向有：用AI创造游戏资源、AI角色动画、AI游戏测试、角色创建、渲染和照明。

EA SEED的研究成果近年来常见于各相关领域顶级会议，部分技术也已实装到旗下游戏中。

角色动画方面，2021年SIGGRAPH上发表了EA SEED的Neural Animation Layering for Synthesizing Martial Arts Movements（合成武术动作的神经动画分层）论文，该研究提出了一种深度学习框架，可以对原始的动作捕捉数据进行融合，把两个动作融合为一个新的动作。

此外，在EA的《FIFA 22》和《FIFA 23》中也已经实装了自研的HyperMotion技术。这一技术从超过870万帧的高级比赛中学习经验，用机器学习算法实时生成新动画，能够带来更流畅、真实的动画效果。

去年发布的《FIFA 23》中采用升级版的HyperMotion 2.0，增加了动捕数据集、开发了更新的机器学习算法，并创建了技术运球系统和 AcceleRATE系统，提升球员的运球、控球、反应能力，区分球员的不同加速风格，进一步提升了游戏动画的真实感和反应性。

2022年世界杯期间，有博主将《FIFA 23》的游戏画面配上比分UI、世界杯Logo和人声解说，伪装成真实的世界杯直播画面，甚至真的骗到了不少人，直播间一度有超过4万名观众同时观看。可见《FIFA 23》的角色动画真实度已达到了一定水平，逼近“以假乱真”。

此外，EA SEED近年来在AI游戏测试方向上取得不少进展，例如2021年发表的Adversarial Reinforcement Learning for Procedural Content Generation（程序性内容生成的对抗性强化学习）研究，采用对抗性强化学习方法来进行游戏地图测试。

在这种对抗性强化学习方法中，一个智能体负责生成关卡地图，另一个智能体试图过关以获得奖励，二者在不停的对抗中不断提高生成和过关的能力，从而提高AI对游戏地图的测试能力。

该技术旨在解决的问题是传统游戏测试方法中存在的不足：人工测试和脚本机器人测试在应对开放世界等大环境、大资源量的游戏时效果不佳。对于体量日趋庞大的3A游戏、开放世界游戏，AI有望帮助提高测试效率。

上一期东西「游戏日」

Hello!

我们在为更加闭环、更加高效的服务模式做准备

欢迎加入限定白名单

与我们一起探索