Indossare vestiti è un quotidiano, compito banale che la maggior parte di noi esegue con poco o nessun pensiero. Potremmo non prendere mai in considerazione i molteplici passaggi e i movimenti fisici coinvolti quando ci vestiamo la mattina. Ma questo è esattamente ciò che deve essere esplorato quando si tenta di catturare il movimento del vestirsi e simulare il tessuto per l'animazione al computer.

Scienziati informatici del Georgia Institute of Technology e Google Brain, Il braccio di ricerca sull'intelligenza artificiale di Google, hanno ideato un nuovo metodo di calcolo, guidato da tecniche di apprendimento automatico, per simulare con successo e realisticamente il processo in più fasi di indossare i vestiti. Quando sezionato, il compito di vestire è piuttosto complesso, e coinvolge diverse interazioni fisiche tra il personaggio e il suo abbigliamento, guidato principalmente dal senso del tatto della persona.

Creare l'animazione di un personaggio che indossa dei vestiti è impegnativo a causa delle complesse interazioni tra il personaggio e l'indumento simulato. La maggior parte del lavoro in animazioni di personaggi altamente vincolate si occupa di ambienti statici che non reagiscono molto al movimento del personaggio, osserva i ricercatori. In contrasto, l'abbigliamento può rispondere immediatamente e drasticamente a piccoli cambiamenti nella posizione del corpo; i vestiti hanno la tendenza a piegarsi, attaccarsi e aggrapparsi al corpo, rendendo tattile, o sensazione tattile, essenziale per il compito.

Un'altra sfida unica nel vestire è che richiede al personaggio di eseguire una sequenza di movimenti prolungata che coinvolge una serie diversificata di compiti secondari, come afferrare lo strato anteriore di una camicia, infilando una mano nell'apertura della camicia e spingendo una mano attraverso una manica.

"Vestirsi sembra facile a molti di noi perché lo pratichiamo ogni singolo giorno. In realtà, le dinamiche della stoffa rendono molto impegnativo imparare a vestirsi da zero, "dice Alexander Clegg, autore principale della ricerca e un dottorato di ricerca in informatica. studente al Georgia Institute of Technology. "Sfruttiamo la simulazione per insegnare a una rete neurale a svolgere questi compiti complessi suddividendo il compito in parti più piccole con obiettivi ben definiti, permettendo al personaggio di provare il compito migliaia di volte e fornendo segnali di ricompensa o penalità quando il personaggio prova cambiamenti benefici o dannosi alla sua politica."

Il metodo dei ricercatori aggiorna quindi la rete neurale un passo alla volta per rendere più probabile che i cambiamenti positivi scoperti si verifichino in futuro. "In questo modo, insegniamo al personaggio come riuscire nel compito, " nota Clegg.

Clegg e i suoi collaboratori alla Georgia Tech includono scienziati informatici Wenhao Yu, Greg Turk e Karen Liu. Insieme al ricercatore di Google Brain Jie Tan, il gruppo presenterà il proprio lavoro al SIGGRAPH Asia 2018 a Tokyo dal 4 dicembre al 7 dicembre. La conferenza annuale presenta i membri tecnici e creativi più rispettati nel campo della computer grafica e delle tecniche interattive, e mette in mostra la ricerca all'avanguardia nella scienza, arte, giochi e animazione, tra gli altri settori.

In questo studio, i ricercatori hanno dimostrato il loro approccio in diversi compiti di vestizione:indossare una t-shirt, indossare una giacca e vestire una manica con l'aiuto di un robot. Con la rete neurale addestrata, sono stati in grado di ottenere una complessa rievocazione di una varietà di modi in cui un personaggio animato indossa i vestiti. La chiave è incorporare il senso del tatto nella loro struttura per superare le sfide nella simulazione dei tessuti. I ricercatori hanno scoperto che un'attenta selezione delle osservazioni del tessuto e le funzioni di ricompensa nella loro rete addestrata sono cruciali per il successo della struttura. Di conseguenza, questo nuovo approccio consente non solo singole sequenze di vestizione, ma un controllore del personaggio che può vestirsi con successo in varie condizioni.

"Abbiamo aperto le porte a un nuovo modo di animare attività di interazione multi-fase in ambienti complessi utilizzando l'apprendimento per rinforzo, " dice Clegg. "C'è ancora molto lavoro da fare continuando su questa strada, consentendo alla simulazione di fornire esperienza e pratica per l'addestramento dei compiti in un mondo virtuale." Espandendo questo lavoro, il team sta attualmente collaborando con altri ricercatori del laboratorio di robotica sanitaria della Georgia Tech per studiare l'applicazione della robotica per l'assistenza alla medicazione.