Una parte fondamentale del dare vita ai personaggi animati in 3D è la capacità di rappresentare i loro movimenti fisici in modo naturale in qualsiasi scena o ambiente.

L'animazione dei personaggi per interagire in modo naturale con gli oggetti e l'ambiente richiede la sintesi di diversi tipi di movimenti in modo complesso, e tali movimenti possono differire notevolmente non solo nelle loro posizioni, ma anche nella loro durata, modelli di contatto, e possibili transizioni. Ad oggi, la maggior parte dei metodi basati sull'apprendimento automatico per il controllo del movimento dei personaggi di facile utilizzo sono stati limitati ad azioni più semplici o a singoli movimenti, come comandare a un personaggio animato di spostarsi da un punto all'altro.

Scienziati informatici dell'Università di Edimburgo e Adobe Research, il team di ricercatori e ingegneri dell'azienda che trasformano le idee in fase iniziale in tecnologie innovative, hanno sviluppato un romanzo, tecnica basata sui dati che utilizza reti neurali profonde per guidare con precisione i personaggi animati deducendo una varietà di movimenti:sedersi su sedie, raccogliere oggetti, in esecuzione, fare un passo laterale, arrampicandosi attraverso gli ostacoli e attraverso le porte e raggiunge questo obiettivo in modo intuitivo con semplici comandi di controllo.

I ricercatori dimostreranno il loro lavoro, Macchina a stati neurali per interazioni personaggio-scena, presso ACM SIGGRAPH Asia, tenutasi dal 17 al 20 novembre a Brisbane, Australia. SIGGRAPH Asia, ora nel suo 12° anno, attrae le persone tecniche e creative più rispettate da tutto il mondo nella computer grafica, animazione, interattività, gioco, e tecnologie emergenti.

Per animare le interazioni tra i personaggi e la scena con gli oggetti e l'ambiente, ci sono due aspetti principali - pianificazione e adattamento - da considerare, dicono i ricercatori. Primo, per portare a termine un determinato compito, come sedersi su sedie o raccogliere oggetti, il personaggio ha bisogno di pianificare e passare attraverso una serie di movimenti diversi. Per esempio, questo può includere iniziare a camminare, rallentare, girarsi posizionando con precisione i piedi e interagendo con l'oggetto, prima di passare finalmente a un'altra azione. Secondo, il personaggio ha bisogno di adattare naturalmente il movimento alle variazioni di forma e dimensione degli oggetti, ed evitare gli ostacoli lungo il suo percorso.

"Raggiungere questo con una qualità pronta per la produzione non è semplice e richiede molto tempo. La nostra macchina a stati neurali apprende invece il movimento e le transizioni di stato richieste direttamente dalla geometria della scena e da una determinata azione obiettivo, "dice Sebastian Starke, autore senior della ricerca e un dottorato di ricerca. studente presso l'Università di Edimburgo nel laboratorio di Taku Komura. "Insieme a questo, il nostro metodo è in grado di produrre diversi tipi di movimenti e azioni in alta qualità da un'unica rete."

Utilizzando i dati di acquisizione del movimento, la struttura dei ricercatori impara come far passare il personaggio in modo più naturale da un movimento all'altro, ad esempio essere in grado di scavalcare un ostacolo che blocca una porta, e poi varcare la soglia, o prendere una scatola e poi portare quella scatola su un tavolo o una scrivania vicini.

La tecnica deduce la posa successiva del personaggio nella scena in base alla sua posa precedente e alla geometria della scena. Un altro componente chiave della struttura dei ricercatori è che consente agli utenti di controllare e navigare in modo interattivo nel personaggio da semplici comandi di controllo. Inoltre, non è necessario conservare tutti i dati originali acquisiti, che invece viene pesantemente compresso dalla rete pur mantenendo l'importante contenuto delle animazioni.

"La tecnica imita essenzialmente il modo in cui un essere umano si muove intuitivamente attraverso una scena o un ambiente e come interagisce con gli oggetti, realisticamente e precisamente, "dice Komura, coautore e cattedra di computer grafica presso l'Università di Edimburgo.

Lungo la strada, i ricercatori intendono lavorare su altri problemi correlati nell'animazione dei personaggi basata sui dati, compresi i movimenti in cui possono verificarsi più azioni contemporaneamente, o animare interazioni ravvicinate tra due umani o persino folle.