资讯
展览资讯 大型展会 灯光节 大型盛典 赛事 中标捷报 产品快讯 热门话题 艺术节 活动 演出 新闻 数艺报道 俱乐部签约
观点
大咖专访 观点洞察 书籍推荐 吐槽 设计观点 企业访谈 问答 趋势创新 论文 职场方法 薪资报价 数艺专访
幕后
幕后故事 团队访谈 经验分享 解密 评测 数艺访谈
干货
设计方案 策划方案 素材资源 教程 文案资源 PPT下载 入门宝典 作品合集 产品手册 电子书 项目对接
  • 0
  • 0
  • 0

分享

Motion Matching:被腾讯、育碧、Meta、Epic关注,提升3A端游的动画技术 |「游戏技术与游戏进化」集

2022-11-03


日前,腾讯天美引入原育碧动画程序专家Simon Clavet,加入天美蒙特利尔工作室,将担任首席动画程序,参与3A开放世界项目。

Simon Clavet被称为“Motion Matching技术之父”,在育碧有16年的3A开发经验。此次引入动画程序专家,是腾讯天美在此前对动画技术管线建设的基础上,进一步推进对动画技术的投入,引入关键人才。

Motion Matching技术基于运动捕捉获得的动作数据库,用程序自动搜索最合适的下一帧,由此生成完整的动画。相比于以往主流采用的状态机动画,具有动画真实度更高、更节约人力和时间成本、能实现更高产能等特点。

Motion Matching技术于2016年面世,最早应用在育碧的《荣耀战魂》中,这些年来已经在不少海外大厂的3A大作中采用。近年来也受到腾讯等国内厂商的关注。

但由于该技术目前没有被育碧等公司开源,核心算法等技术仍掌握在少数大厂手中,所以前期建立技术管线需要较高的投入。这也意味着,对于正在推进多个3A项目、剑指全球化的腾讯来说,引进专家是推进项目落地和建立内部生产管线最有效率的方式之一。

除Simon Clavet之外,今年以来Meta、Epic Games也都新招揽了Motion Matching技术方向上的资深专家。

另外,Motion Matching还存在内存占用大的技术难点,因此当前基本只应用在主机端。近来研究方向多集中在结合机器学习,优化内存占用等问题。

  
腾讯引入原育碧动画程序专家,强化3A主机技术能力

在从外部引入动画技术专家之前,腾讯2021年就对Motion Matching技术进行了投入,已经具备一定基础。

在腾讯官网2021年12月的一篇文章中,天美深圳的动画总监Alan Xu表示,“在过去的六个月里,我参与了推动Motion Matching动画技术的管线建设、In Game Cinematic流程建设、动作捕捉流程标准化、数字人技术建设、基于AI学习的角色动作、面部表情生成。”

此次聘请Motion Matching技术专家加入天美蒙特利尔工作室,是腾讯天美在动画制作技术领域引入3A大厂先进技术和生产经验的举措。

从近期天美蒙特利尔工作室的招聘信息看,旗下“基于新IP的3A开放世界游戏”/“3A多平台游戏”对游戏美术相关岗位(技术美术、动画师等)需求较大。

而Simon Clavet被称为“Motion Matching之父”,在2016年首次提出了Motion Matching技术,并将其应用在育碧的多人格斗游戏《荣耀战魂》中。

Simon Clavet

Motion Matching是一种角色动画技术,首先通过动作捕捉建立角色动作的“数据库”,然后程序会遍历数据库中的每一帧,“暴力计算”出最合适的下一帧并播放,从而形成完整的动画。

Motion Matching技术具有无需动画师手动调整、动画表现更真实、细节更丰富、动作过渡更自然等特性。

在此前的动画制作中,主流采用状态机动画。把角色的动作拆解成诸如“走”、“跑”、“跳”等基本的“状态”,这些状态两两之间有彼此过渡的动画,所有的基本状态及其过渡一起组成复杂的网状结构,通过状态间的切换和过渡来形成完整动画。


状态机动画存在复杂度高的问题,一旦要增加状态或需求,动画系统的复杂度会迅速上升。并且状态机需要开发人员编写和维护,所需的人力和时间成本都很高。

Motion Matching技术的逻辑则更简单,从而能够在提升角色动画产能的同时节约人力和时间成本,因此自面世以来,就受到业界关注。


Motion Matching技术
对游戏工业化流程和效率的提升

3A游戏在动画方面有着对动画真实度和细节丰富度要求高、玩家对操作控制感有高要求、以及投入大、生产周期长等痛点。

Motion Matching技术自面世以来多被3A大作采用,正是因为能一定程度解决上述痛点。

1.基于动捕生成的动作数据库,能为动画提供更多细节,以及对动物等实现更真实的还原。

Simon Clavet在2016年GDC大会上首次展示Motion Matching在《荣耀战魂》中的应用时就提到,Motion Matching可以提供更高质量的动画。因为数据库中的动作是由动捕演员表演得来,动画师可以与动捕演员沟通动作的速度、呈现效果等细节。

比如Simon Clavet在展示中就播放了一段动捕演员表演角色疲惫、踉跄行走的动作,基于这些动捕数据,游戏角色能够很好地实时表现细节丰富、真实度高的疲惫状态。


此外,针对传统方式难以真实还原的动物,基于动捕的Motion Matching也能更好地解决问题。例如在《最后生还者2》中,就对马和狗进行了动作捕捉,由训兽师辅助引导动物进行动捕路线采集,然后针对一些没有捕捉到的情况,再由动画师来手动调整。

2.Motion Matching可以更快地切换和过渡动作,实现更高的响应性。

状态机动画系统在一个动作切换下一个动作时,必须要播放完前一个动作的整个动画才能切换播放下一个动作,因此在响应性上存在问题。比如起步的动作播放到一半,如果想要切换到停止,就必须把起步的动画播放完才能停止。

但Motion Matching把动作切分成了更小的单位,因此能够实现更流畅的切换和过渡,从而使玩家感到响应性更好。

另一方面,由于动作表现的真实性和响应性是互相排斥的,动作要表现的细节越多,要播放的帧就越多,从而响应性就会随之下降。为此,Simon Clavet在2016年的GDC分享中提到,他们为此设计了一个滑块,可以在“真实性”和“响应性”之间进行平衡,根据游戏类型的需要调整对二者的偏向。

3.可以减少动画师工作量,便于节省人力和时间成本。

《黑神话:悟空》在制作过程中也采用了Motion Matching技术。据游戏科学的客户端技术负责人招文勇分享,《黑神话:悟空》有丰富的角色种类,同时又有着对动作产能的高要求,“意味着我们要搞出一个足够简单的管线,可以让外包来帮我们做这个事情”。


在尝试过其他技术后,制作组最终选择了Motion Matching技术。招文勇表示,选择Motion Matching的原因,一是工作流非常简洁,不需要动画师去理解动作如何分拆;二是可以把部分动画外包出去,极大地提高产能;三是动画质量精良。


然而,Motion Matching技术也并非完美,本身还存在一些有待解决的问题。

单从技术层面而言,由于Motion Matching技术依靠动作数据库和程序对动画的遍历,因此对内存的占用非常大,且动画库越大,搜寻所用的时间越长。另外,由于动作是靠预先的动捕收集而来,因此无法对动作进行组合,需要新的复杂动作只能重新进行动捕。

而从应用层面而言,Motion Matching在前期进行动作捕捉、建立管线等需要较高的资源投入。但另一方面,育碧等大厂并没有对Motion Matching技术进行开源;现阶段Unity和虚幻引擎虽然都提供了相关组件,但功能也并不完善。

基于此种现状,现阶段有需求也有条件应用Motion Matching技术的主要还是想要开发3A游戏的大厂。与此同时,各大厂内部也在研究新的方向去解决技术上的痛点。


Motion Matching技术进展:
和机器学习结合

自2016年面世以来,Motion Matching技术一直在不断发展,其中比较明确也广受关注的方向是与机器学习的结合。

机器学习是人工智能下的一个子领域,主要指通过数据或以往经验来训练、优化计算机算法。机器学习根据任务分类可以分为监督学习、无监督学习和强化学习;根据模型分类可以分为非深度学习和深度学习。

在更具体研究方向上,“Motion Matching之父”Simon Clavet致力于研究的是结合强化学习的Motion Matching。他在2020年的GDC大会上展示了“Ragdoll Motion Matching”,AI小人在随机生成的模拟环境中行走,在行动中不断获得反馈并学习,从而能够实现顺利行走、应对各种复杂地形的效果。这种强化学习方案尝试将物理系统引入动画系统中,同时也能够解决Motion Matching的内存占用问题。


除Simon Clavet之外,业界其他研究者主要在深度学习分支上有较多研究成果,其中不少专家都在今年被大厂招揽。

如Daniel Holden提出了PFNN(Phase-Functioned Neural Networks),引入深度学习神经网络,改善了滑步问题,实现更好的动画效果,并且能够将Motion Matching的内存占用从590MB压缩到8.5MB。凭借2017年提出的PFNN,Daniel Holden被育碧发掘担任动画程序,直到今年1月,Daniel Holden加入Epic Games。

Electronic Arts的AI科学家Sebastian Starke则在2021年发表了通过机器学习实现动作组合的论文。利用神经网络,Starke的研究能够将动捕得来的两个不同动作“挤压”到一起,融合成一个新的动作。Starke表示,这项研究还处于试验阶段,尚未进入游戏中,但这项技术有望增强现有的运动匹配技术,改善动画的表现效果。Sebastian Starke于今年6月加入Meta的Reality Labs担任研究科学家,研究虚拟化身的角色动画和人工智能。

育碧方面,其研究部门La Forge则在今年4月公布正在开发一个名叫Choreograph的工具,引入机器学习技术,并已应用在《孤岛惊魂6》的动画中。据La Forge团队分享,通过引入机器学习,Choreograph能够将Motion Matching所需的内存量压缩多达30倍,并已经利用Choreograph推出了《孤岛惊魂6》的第三人称相机模式。


可见,目前Motion Matching技术在机器学习方向上的发展无论更侧重哪个分支,主要是为了解决内存占用这个最大痛点,其次是改善动画的具体表现效果。

由于内存占用过大,现阶段的Motion Matching技术基本只在主机端使用,但随着机器学习等方向的技术发展,未来Motion Matching或许有望应用在更多领域。

阅读原文

* 文章为作者独立观点,不代表数艺网立场转载须知

本文内容由数艺网收录采集自微信公众号共同虚拟 ,并经数艺网进行了排版优化。转载此文章请在文章开头和结尾标注“作者”、“来源:数艺网” 并附上本页链接: 如您不希望被数艺网所收录,感觉到侵犯到了您的权益,请及时告知数艺网,我们表示诚挚的歉意,并及时处理或删除。

数字媒体艺术 新媒体艺术 科技艺术 游戏技术 游戏进化

23602 举报
  0
登录| 注册 后参与评论