Une équipe d’Electronic Arts, l’un des principaux développeurs et producteurs mondiaux de jeux vidéo, et de l’Université de la Colombie-Britannique à Vancouver montrent que l’apprentissage par renforcement peut créer un joueur de football contrôlable qui se déplace de manière réaliste sans utiliser de codage ou d’animation conventionnels.
Pour créer le personnage, l’équipe a d’abord formé un modèle d’apprentissage automatique pour identifier et reproduire des modèles statistiques dans les données de capture de mouvement. Ils ont ensuite utilisé l’apprentissage par renforcement pour entraîner un autre modèle à reproduire un mouvement réaliste avec un objectif spécifique, comme courir vers une balle dans le jeu.
L’équipe apprend des modèles génératifs basés sur des données de mouvement humain en utilisant des auto-encodeurs variationnels conditionnels auto-régressifs, ou VAE de mouvement. Les variables latentes de l’auto-encodeur appris définissent l’espace d’action pour le mouvement et gouvernent ainsi son évolution dans le temps. Les algorithmes de planification ou de contrôle peuvent ensuite utiliser cet espace d’action pour générer les mouvements souhaités. En particulier, les développeurs utilisent l’apprentissage par renforcement profond pour apprendre des contrôleurs qui réalisent des mouvements ciblés.
Traditionnellement, les personnages des jeux vidéo et leurs actions sont créés manuellement. Les jeux de sport, tels que la FIFA par exemple utilisent la capture de mouvement, une technique qui consiste à suivre une personne réelle en utilisant souvent des marqueurs sur son visage ou son corps, pour rendre des actions plus réalistes chez les personnages humains. Mais les possibilités sont limitées par les actions qui ont été enregistrées, et du code doit encore être écrit pour animer le personnage.
En automatisant le processus d’animation, ainsi que d’autres éléments de conception et de développement de jeux, l’intelligence artificielle pourrait permettre aux entreprises de jeux d’économiser des millions de dollars tout en rendant les jeux plus réalistes et efficaces, de sorte qu’un jeu complexe puisse s’exécuter sur un smartphone, par exemple.
« Les résultats sont très, très prometteurs », explique Fabio Zinno, ingénieur logiciel senior chez Electronic Arts. « Je peux certainement voir que cette technologie est utile de différentes manières », explique Julian Togelius, professeur à l’université de New York et cofondateur de Modl.ai, une entreprise qui fabrique des outils d’IA pour les jeux.
Michiel van de Panne, professeur à l’Université de la Colombie-Britannique dit que la prochaine étape consiste à utiliser l’apprentissage par renforcement pour former des personnages de jeux vidéo non humains dans des environnements physiquement réalistes. Mais il reconnaît qu’il sera plus difficile de former des algorithmes pour créer une animation entièrement nouvelle à partir de zéro, car il est difficile de quantifier ce que les joueurs trouveront attrayant.
Source : L’étude
