Μετάβαση στο περιεχόμενο

ή
|

Νέος εδώ;

Έχεις λογαριασμό;

Επαναφορά κωδικού

Εισάγετε το email σας και θα σας στείλουμε σύνδεσμο επαναφοράς

Θυμάστε τον κωδικό σας;

Εύρεση ονόματος χρήστη

Εισάγετε το email σας και θα σας στείλουμε το όνομα χρήστη

Θυμάστε το όνομα χρήστη σας;

DeepMimic | Όταν η μηχανική εκμάθηση συνάντησε την ανθρώπινη κινησιολογία

Ρεαλιστικότερη κίνηση στα βιντεοπαιχνίδια, τις ταινίες και τα ανθρωποειδή ρομπότ

Argi Pent
Argi Pent

Αποθήκευση σε λίστα

Δεν υπάρχουν λίστες ακόμα

0/10 λίστες

Αποθήκευση σε λίστα

Δεν υπάρχουν λίστες ακόμα

0/10 λίστες

DeepMimic | Όταν η μηχανική εκμάθηση συνάντησε την ανθρώπινη κινησιολογία

Η γνωστή motion capture τεχνική αποτελούσε μέχρι και σήμερα μονόδρομο στη ρεαλιστική αναπαράσταση της ανθρώπινης κινησιολογίας εντός των παιχνιδιών, εξακολουθούσε παραταύτα να φέρει έναν ορμαθό προβλημάτων. Από τη μία το ότι είχαμε να κάνουμε με ένα “δισδιάστατο” σχέδιο όπου το βάρος και το ύψος του ηθοποιού θα έπρεπε να είναι ταυτόσημο με εκείνο του εικονικού χαρακτήρα, και από την άλλη πως οι αλλαγές στον περιβάλλοντα χώρο (βλ. Ανομοιογενής επιφάνεια δαπέδου), αλλά και οι διαμεσολαβήσεις από άλλους χαρακτήρες εν μέσω της πράξης απαιτούσαν την κοστοβόρα επανάληψη των λήψεων, ή τη χρονοβόρα λεπτομερή επεξεργασία τους. Τη λύση έρχεται να δώσει η ερευνητική ομάδα του BAIR (abbr. Berkeley Artificial Intelligence Research).

Advertisement

Υπό την καθοδήγηση του Xue Bin (Jason) Peng, φοιτητή Διδακτορικού επιπέδου στο Πανεπιστήμιο του Μπέρκλεϊ, η ομάδα κατασκεύασε ένα σύστημα βαθιάς μηχανικής εκμάθησης - γνωστό ως DeepMimic - με τη δυνατότητα να μιμείται την ανθρώπινη κινησιολογία. Πρόκειται για ένα μοντέλο όπου ο κορμός του βασίζεται στη θετική ενίσχυση, με το εικονικό dummy να επιβραβεύεται σύμφωνα με το πόσο κοντά έφτασε στο μοντέλο αναφοράς. Η τυχαιοποιημένη μάλιστα αρχική στάση του σώματός του οδηγεί στη διδαχή όχι της ταχύτερης οδού για την επίτευξη του στόχου, αλλά στο σωστό τρόπο εκτέλεσης της προβλεπόμενης ενέργειας.

Η γενικότητα της φύσης του εν λόγω συστήματος επιτρέπει την προσαρμογή του σε πάσης λογής σενάρια. Από διαφορετικούς σωματότυπους, σε μη προκαθορισμένες κινήσεις, μέχρι τη διακοπή αυτής από απρόοπτα γεγονότα. Επομένως, εφόσον το επιτρέπουν οι φυσικοί νόμοι, κάθε ανθρώπινη κίνηση μπορεί να αναπαρασταθεί όχι μόνο πιο ρεαλιστικά από ποτέ, αλλά και σε ένα format όπου κάθε τυχόν αλλαγή δε θα επιφέρει επιπλέον οικονομικό ή χρονικό κόστος.

Advertisement

Τα μοντέλα αναφοράς στα οποία βασίζεται το σύνολο της εκπαίδευσης του τώρα δεν είναι παρά η αρχή, αφού εκτός των βιντεοπαιχνιδιών οι χρήσεις του DeepMimic είναι αναρίθμητες. Δύο από τους κυριότερους τομείς είναι τα stunts των ταινιών τα οποία θα μπορούν να γίνουν πλέον δίχως το φόβο κάποιου σοβαρού ατυχήματος, σπρώχνοντας παράλληλα την κατηγορία στα άκρα, ενώ εταιρίες όπως η Boston Dynamic θα μπορούν να εκπαιδεύσουν τα ρομπότ τους εικονικά πριν δοκιμάσουν τις αντοχές τους στο φυσικό περιβάλλον, αποφεύγοντας έτσι πολυδάπανες πτώσεις.

Ακολουθήστε το Unboxholics στο Google News για να μαθαίνετε πρώτοι τα τελευταία νέα για τεχνολογία, videogames, ταινίες και σειρές. Ακολουθήστε το Unboxholics σε Facebook, Twitter, Instagram, Spotify και TikTok.