Si bien es cierto que la IA ha protagonizado muchos temas de conversación durante los últimos meses, realmente se trata de una tecnología estrechamente vinculada con el mundo de los videojuegos. Y es que, a lo largo de la historia del medio, hemos visto usos realmente brillantes de la Inteligencia Artificial en las aventuras digitales; todo ello a través de elementos diversos que van desde el comportamiento de los enemigos y hasta la reacción del entorno a los acontecimientos que suceden en pantalla. De hecho, estas herramientas son clave hasta en el movimiento de los personajes, quienes se pueden mover de forma extremadamente realista adaptándose a las características de sus alrededores.
Porque, en cuanto a movimiento de articulaciones y formas de andar, hay una gran diferencia entre caminar por una pradera llana y una colina más bien escarpada. Y todo apunta a que Ubisoft quiere perfeccionar este detalle en sus personajes, tanto NPCs como protagonistas, con una técnica de cosecha propia que sorprende por su gran realismo: Learned Motion Matching, una alternativa al ya existente Motion Matching cuyas vicisitudes merecen un artículo completo. Al fin y al cabo, es una demostración del nivel que pueden alcanzar los videojuegos gracias al buen uso de la IA.
Motion Matching, un sistema casi perfecto
Simplificando al máximo el informe de varios miembros de Ubisoft, Motion Matching es una técnica bastante utilizada en juegos AAA actuales que se basa en nutrir a un personaje de decenas de animaciones posibles según lo que pueda encontrar en su camino: si nuestro protagonista va a subir una montaña, el sistema automáticamente "busca" una animación que encaje con la situación y la adapta a la figura para que empiece a escalar; si decidimos cambiar de dirección rápidamente, Motion Matching solapa la animación actual con una que se corresponda con la inesperada alteración. Esto, a su vez, se logra con un complicado algoritmo que se compone de tres pasos (Projection, Stepping y Decompression) a través de los cuales se implementa la animación más parecida a la que quiere ejecutar el usuario.
Motion Matching se valora por su flexibilidad, pero acarrea grandes cargas de memoria
Si bien es cierto que las primeras pruebas de Motion Matching daban como resultado la concatenación de animaciones mal pegadas entre sí (porque el NPC o protagonista no tiene animaciones de diferentes acciones que se puedan pegar entre sí a la perfección), los desarrolladores han terminado puliendo el movimiento con un blending que disimula todas las aristas visuales del sistema. Lo que, al final, nos ha dado algunas de las experiencias AAA más laureadas del momento.
Por desgracia, y dejando a un lado el uso del blending para ocultar imperfecciones, Motion Matching es una técnica que sufre de un gran problema: al necesitar de decenas de animaciones para representar las decisiones del jugador en el personaje controlado, los desarrolladores necesitan cargar cada modelo animado con muchas alternativas para escoger en esa "búsqueda" automática de la que os hablábamos un par de párrafos atrás. Y esto, en resumidas cuentas, tiene consecuencias en la memoria.
Learned Motion Matching, la solución basada en la IA
Motion Matching, como os decíamos, basa todo su sistema en un algoritmo de tres pasos. Y la solución de Ubisoft para reducir la memoria destinada a las animaciones de los personajes consiste en sustituir esta característica por tres fases inéditas (pero, con el mismo nombre) que, a su vez, beben de otro sistema también popular en la industria de los videojuegos: los modelos generativos que se apoyan principalmente en el aprendizaje automático de la IA.
Learned Motion Matching combina lo mejor de Motion Matching con las capacidades de los modelos generativos.
"Aunque los modelos generativos basados en redes neuronales para la animación de personajes son capaces de aprender controladores expresivos y compactos a partir de grandes cantidades de datos de animación, métodos como Motion Matching siguen siendo una opción popular en la industria de los videojuegos debido a su flexibilidad, previsibilidad, bajo tiempo de preprocesamiento y calidad visual – todas propiedades que, a veces, pueden ser difíciles de lograr con métodos basados en redes neuronales", explica Ubisoft en su documento antes de recordar que Motion Matching sufre de los problemas de memoria anteriormente mencionados. "Nosotros combinamos los beneficios de ambos enfoques y, al dividir el algoritmo de Motion Matching en sus pasos individuales, mostramos cómo se pueden utilizar alternativas aprendidas y escalables para reemplazar cada operación".
Como resultado final, el denominado Learned Motion Matching conserva la flexibilidad del Motion Matching original a la vez que aprovecha las funcionalidades de los modelos generativos tanto para adaptar animaciones en plena sesión de juego como para reducir la carga de memoria. Y esto se observa al final del vídeo que tienes más arriba en este mismo texto: una representación de cómo podría moverse un personaje entre escaleras y montículos mientras reacciona a la presencia de otros NPC. Lo que, en el futuro, servirá de base para aventuras que sean espectaculares en historia y en comportamiento de sus protagonistas.
Ver 6 comentarios