L'intelligenza artificiale sancirà la fine del motion capture nei videogiochi?

Il MIT ha realizzato un'intelligenza artificiale in grado di generare animazioni grazie all'apprendimento tramite machine learning.

Articolo a cura di
Alessio Ferraiuolo Alessio Ferraiuolo è cresciuto a pane, cinema e videogame. Scopre in giovane età la sua passione per la tecnologia, che lo porta a divorare tutto quello che il mercato ha da offrire, dall’hardware per PC agli smartphone, senza mai sentirsi sazio. Nel tempo libero adora suonare la chitarra, andare in palestra e guardare tonnellate di film e serie TV. Lo trovate su Google+ e su Facebook.

C'era una volta il motion capture, una tecnica che ha permesso ai videogiocatori di godere di animazioni realistiche per molto tempo, ma che ora sembra aver fatto il suo tempo. Ognuna di queste animazioni infatti deve essere registrata utilizzando apparecchiature dedicate, set specifici e attori-stunt in carne ed ossa, impiegando grandi quantità di tempo e di denaro. Ora però, una ricerca del Massachusetts Institute of Technology sembra poter cambiare le carte in tavola, grazie a un sistema che non solo riesce a generare animazioni in modo autonomo, ma che riesce anche ad adattarsi meglio ai diversi contesti di gioco.

Un nuovo modo di animare la fantasia

L'articolo pubblicato sul portale MIT Technology Review, dal titolo "I robot virtuali che imparano da soli il kung fu potrebbero rivoluzione i videogame" lascia poco spazio ai dubbi su quale sia la destinazione d'uso della nuova tecnologia. Ma come funziona? Semplicemente, tramite IA e algoritmi appositi di machine learning, è possibile creare un personaggio virtuale che impara e poi imita le movenze di un umano. Dalle arti marziali al parkour, non c'è limite alla fantasia. Questo avviene tramite un meccanismo di rinforzo, il quale prevede che la macchina, attraverso una serie di prove e tentavi ripetuti, apprenda da sola il movimento da compiere osservando un'animazione in motion capture, una situazione simile al condizionamento classico di Pavlov ma applicato alle macchine. "Un artista può fornire solo qualche esempio alla macchina, e questa creerà animazioni adatte ad ogni contesto". Le animazioni in motion capture hanno un limite enorme: non sanno adattarsi ad ambienti e situazioni particolari. La corsa di un uomo in salita non è identica a quella di una persona che cammina in piano. Altro caso particolare sono i terreni sconnessi, che provocano variazioni rilevanti nell'andatura. Il punto forte delle animazioni ricavate tramite machine learning è che queste sono molto più flessibili e si adattano meglio al mondo di gioco, e lo fanno in modo automatico. "Con questa tecnica è possibile risolvere molti problemi attuali nel campo dell'animazione" affermano i ricercatori. Le animazioni ricavate con questa tecnica, chiamata DeepMimic, possono poi essere applicate a soggetti diversi che operano in ambienti differenti, per una versatilità impossibile da ottenere con il motion capture.
Osservare l'algoritmo che apprende le movenze dei soggetti di partenza è interessante, perché l'apprendimento può partire anche da zero. I primi tentativi di imitazione sono spesso esilaranti e fuori da ogni legge della fisica, ma pian piano la macchina impara il movimento fino ad apprenderlo alla perfezione. Per capire l'importanza di questa innovazione pensiamo a un semplice salto. Se un personaggio salta da un metro di altezza effettua un certo movimento, da due un altro e da tre un altro ancora. Utilizzando il Motion Capture andrebbe creata un'animazione per ognuno di questi contesti, cosa che poi non viene quasi mai fatta, preferendo utilizzare la stessa.

Con questa tecnica invece sono le animazioni ad adattarsi al contesto, modificandosi di conseguenza in base alla fisica dell'impatto. Altro esempio lo troviamo nel caso di un soggetto che, durante un salto, viene colpito da un oggetto. Grazie alla nuova tecnologia, è possibile creare animazioni che si adattano ai diversi angoli di impatto, generando situazioni sempre nuove e soprattutto realistiche. I video di esempio che trovate nell'articolo spiegano meglio di mille parole l'evoluzione che porterebbe una tecnica simile nel mondo del gaming, speriamo quindi che la ricerca non passi inosservata agli occhi dei più importanti sviluppatori internazionali.