本文首發(fā)網(wǎng)易游戲?qū)W院APP、由“網(wǎng)易互娛AI Lab”供稿，GameRes經(jīng)授權(quán)發(fā)布。

【游戲平衡篇】

一、前言

AI或許能成為游戲產(chǎn)業(yè)未來(lái)破局點(diǎn)？

近日，《2020年1-6月中國(guó)游戲產(chǎn)業(yè)報(bào)告》發(fā)布了。報(bào)告顯示，今年上半年，中國(guó)游戲產(chǎn)業(yè)實(shí)際銷(xiāo)售同比增長(zhǎng)22.34%，實(shí)現(xiàn)了逆勢(shì)增長(zhǎng)。然而，報(bào)告也指出了隨著游戲市場(chǎng)擴(kuò)張，人口紅利已逐漸消失，用戶(hù)規(guī)模增長(zhǎng)放緩，游戲行業(yè)競(jìng)爭(zhēng)已愈發(fā)激烈。

（數(shù)據(jù)來(lái)源：中國(guó)音像與數(shù)字出版協(xié)會(huì)《2020年1-6月中國(guó)游戲產(chǎn)業(yè)報(bào)告》）

伴隨著用戶(hù)爭(zhēng)奪戰(zhàn)的，還有越來(lái)越嚴(yán)格的游戲監(jiān)管政策。2018年版號(hào)限制以來(lái)，游戲版號(hào)發(fā)放數(shù)量持續(xù)下降。監(jiān)管層有意通過(guò)控制數(shù)量引導(dǎo)行業(yè)創(chuàng)新與品質(zhì)升級(jí)。

針對(duì)這種趨勢(shì)，“游戲出海”和“云游戲”再度成為熱點(diǎn)話題。但不論哪種選擇，對(duì)于游戲廠商而言都是一場(chǎng)優(yōu)勝劣汰、適者生存的考驗(yàn)。而AI或許能夠?yàn)橛螒蜷_(kāi)發(fā)者們加速游戲創(chuàng)新、打造精品游戲、創(chuàng)造更優(yōu)體驗(yàn)，搶占更多的市場(chǎng)份額提供更多可能性。

二、AI能夠解決游戲設(shè)計(jì)難題

在游戲發(fā)展的早期，AI其實(shí)就已被用于解決游戲設(shè)計(jì)難題了，如上世紀(jì)80年代風(fēng)靡全球的經(jīng)典街機(jī)游戲《吃豆人》。

在這款游戲里，玩家需要躲避四種不同顏色怪物的追擊，同時(shí)吃掉迷宮里的所有豆子。這4種不同顏色的怪物采用了不同的追擊算法，因此不會(huì)排著隊(duì)追擊玩家，而是從不同路徑、以不同方式對(duì)玩家進(jìn)行圍追堵截。在《吃豆人》中，游戲角色第一次表現(xiàn)出了豐富的個(gè)性。此外，游戲還采用了Meta AI，針對(duì)不同水平的玩家動(dòng)態(tài)調(diào)整難易程度，以提供更個(gè)性化的游戲體驗(yàn)。

（圖片來(lái)自1980年撰寫(xiě)的《吃豆人》設(shè)計(jì)策劃書(shū)：4只怪物在不同狀態(tài)下的行動(dòng)模式設(shè)計(jì)表）

隨后，越來(lái)越多的電子游戲開(kāi)始將AI技術(shù)與游戲結(jié)合。在這些游戲里，AI大多扮演的還是游戲中的怪物或Boss的角色，主要目的是為了帶來(lái)更好的游戲體驗(yàn)和控制難易程度。

近年來(lái)，隨著視頻游戲的不斷發(fā)展和技術(shù)的更迭進(jìn)步，AI在游戲中開(kāi)始有了更多的角色和功能。比如在《巫師3》里，AI可以基于設(shè)定好的動(dòng)作和場(chǎng)景自動(dòng)生成過(guò)場(chǎng)動(dòng)畫(huà)，其中的鏡頭位置、角色表演內(nèi)容和動(dòng)作變化等都是AI自動(dòng)完成的。

在這篇文章里，我們將重點(diǎn)將從游戲平衡性的角度，一起探討AI是如何輔助游戲設(shè)計(jì)的。

三、AI幫助增強(qiáng)游戲平衡性

隨著人工智能技術(shù)，尤其是強(qiáng)化學(xué)習(xí)技術(shù)的不斷發(fā)展，我們?nèi)粘８邮煜さ幕蛟S是新聞里稱(chēng)霸各類(lèi)型游戲的AI：零封圍棋世界冠軍柯潔的AlphaZero，在星際爭(zhēng)霸中擊敗99.8%的玩家的“AlphaStar” ，在電競(jìng)游戲中擊敗世界冠軍的Dota2 AI “OpenAI Five”，以及在六人無(wú)限制德州撲克中擊敗人類(lèi)職業(yè)選手的Pluribus……

然而游戲AI的目的并非完敗人類(lèi)，而是為了提供旗鼓相當(dāng)?shù)膶?duì)戰(zhàn)體驗(yàn)，保證游戲難度平衡，讓玩家享受到競(jìng)技趣味。下面將從戰(zhàn)斗機(jī)器人、測(cè)試機(jī)器人和游戲匹配幾方面來(lái)解釋游戲AI是如何幫助確保游戲平衡性的。

• 戰(zhàn)斗機(jī)器人

小怪、BOSS、NPC等由電腦控制的游戲機(jī)器人不僅是游戲中的必備角色，有時(shí)甚至可以成為游戲的一大賣(mài)點(diǎn)。如日本游戲廠商 From Software 開(kāi)發(fā)的《魂》系列和《只狼：影逝二度》，其高難度的關(guān)卡戰(zhàn)斗設(shè)計(jì)曾引起玩家的廣泛討論，并激起了很多游戲高手的挑戰(zhàn)欲望。

《只狼》

而在PVP游戲中，自動(dòng)化的戰(zhàn)斗機(jī)器人也有多種用途，如空閑時(shí)段的排位補(bǔ)位機(jī)器人，給連敗玩家送福利的溫暖局機(jī)器人，以及新手指引、進(jìn)階練習(xí)中的陪練機(jī)器人等。

然而，實(shí)現(xiàn)一個(gè)機(jī)智有趣的游戲機(jī)器人并非易事。簡(jiǎn)單地通過(guò)調(diào)整游戲角色的數(shù)值來(lái)調(diào)節(jié)AI強(qiáng)度并不適用于所有的游戲，過(guò)難或過(guò)易都會(huì)引起玩家的反感，大大降低游戲的樂(lè)趣。我們真正需要的是一個(gè)智能靈活、難度適中的游戲AI。這意味著開(kāi)發(fā)者需要針對(duì)游戲中可能發(fā)生的不同情況，設(shè)計(jì)合理的AI行為邏輯，并通過(guò)角色的控制接口展現(xiàn)具體的游戲內(nèi)行為。

傳統(tǒng)上，業(yè)界在開(kāi)發(fā)游戲NPC或Bot時(shí)采用的是規(guī)則驅(qū)動(dòng)的方式（如狀態(tài)機(jī)、行為樹(shù)，或GOAP\HTN等更復(fù)雜的效用系統(tǒng)），人為定義的條件會(huì)觸發(fā)預(yù)先設(shè)計(jì)好的游戲行為，條件越多，行為越復(fù)雜，角色看起來(lái)就更智能。規(guī)則驅(qū)動(dòng)的局限性也很明顯，主要體現(xiàn)在兩個(gè)方面：一是規(guī)則很難涵蓋所有的情況，設(shè)計(jì)出來(lái)的機(jī)器人表現(xiàn)就會(huì)比較僵硬；二是需要大量的人力去設(shè)計(jì)實(shí)現(xiàn)復(fù)雜的AI行為邏輯。

以強(qiáng)化學(xué)習(xí)為代表的人工智能技術(shù)則恰好能夠突破以上兩個(gè)限制。我們可以構(gòu)造出一個(gè)以游戲狀態(tài)為輸入，角色控制動(dòng)作為輸出的神經(jīng)網(wǎng)絡(luò)模型，通過(guò)訓(xùn)練的方式擺脫對(duì)人工設(shè)計(jì)的依賴(lài)，同時(shí)獲得一個(gè)更加聰明的機(jī)器人。

UE4 的行為樹(shù)

典型的強(qiáng)化學(xué)習(xí)交互流程

強(qiáng)化學(xué)習(xí)是一類(lèi)不依靠數(shù)據(jù)，在與特定環(huán)境的交互中不斷試錯(cuò)，發(fā)掘最優(yōu)策略來(lái)解決給定任務(wù)的人工智能方法。與圖像種類(lèi)預(yù)測(cè)、機(jī)器翻譯等深度學(xué)習(xí)任務(wù)不同，強(qiáng)化學(xué)習(xí)模型并不需要提前準(zhǔn)備好的數(shù)據(jù)。模型會(huì)作為一個(gè)角色參與到游戲中，針對(duì)游戲中可能發(fā)生的各種情況（State），嘗試不同的動(dòng)作（Action），并根據(jù)游戲的反饋（Reward）調(diào)整行動(dòng)策略，直到模型可以完美地完成設(shè)定的任務(wù)。得益于神經(jīng)網(wǎng)絡(luò)強(qiáng)大的泛化能力，強(qiáng)化學(xué)習(xí)模型除了能夠用于研發(fā)Bot和NPC以外，甚至能夠處理像星際爭(zhēng)霸這種每幀理論可選操作多達(dá)10^26的復(fù)雜游戲。

DeepMind 介紹星際爭(zhēng)霸的操作復(fù)雜度

另外，對(duì)比下圖游戲AI的開(kāi)發(fā)流程，我們可以看出，通過(guò)強(qiáng)化學(xué)習(xí)，游戲AI設(shè)計(jì)實(shí)現(xiàn)的人力成本，變成了設(shè)計(jì)模型的人力成本和訓(xùn)練模型的機(jī)器成本。因此，當(dāng)期望得到的游戲AI足夠復(fù)雜時(shí)，強(qiáng)化學(xué)習(xí)方法將更具成本優(yōu)勢(shì)。

傳統(tǒng)AI開(kāi)發(fā)流程

強(qiáng)化學(xué)習(xí)AI開(kāi)發(fā)流程

• 測(cè)試機(jī)器人

保證游戲戰(zhàn)斗系統(tǒng)的平衡性一直是游戲開(kāi)發(fā)的難點(diǎn)之一。比如，在MOBA游戲中新加入一個(gè)英雄后，游戲策劃既要保證這個(gè)角色自身的技能和數(shù)值設(shè)計(jì)符合預(yù)期，又要確保該角色與其他英雄配合時(shí)不會(huì)存在無(wú)解的套路，不然同樣會(huì)影響競(jìng)技的公平性。而這個(gè)過(guò)程通常需要大量人力去反復(fù)進(jìn)行游戲測(cè)試和設(shè)計(jì)調(diào)整。

上文提到，強(qiáng)化學(xué)習(xí)能夠通過(guò)在環(huán)境中不斷試錯(cuò)得到一個(gè)強(qiáng)大的游戲AI。而基于這種“不斷試錯(cuò)”的特性，我們可以將強(qiáng)化學(xué)習(xí)模型轉(zhuǎn)變成為一個(gè)強(qiáng)有力的自動(dòng)化游戲測(cè)試工具。

具體來(lái)說(shuō)，首先我們可以訓(xùn)練得到一個(gè)近似高端玩家水平的游戲AI，再通過(guò)與其他現(xiàn)有角色的AI進(jìn)行模擬戰(zhàn)斗，就可以在角色上線之前模擬真實(shí)的對(duì)局?jǐn)?shù)據(jù)，并以此來(lái)調(diào)整角色的設(shè)計(jì)，評(píng)估角色加入后對(duì)游戲平衡性的影響。同時(shí)，如果游戲環(huán)境中存在的漏洞，模型也非常有可能在海量的探索嘗試中發(fā)現(xiàn)并加以利用，間接地幫助我們挖掘出隱藏很深或是極端操作下才會(huì)觸發(fā)的游戲bug。

此外，對(duì)于一些相對(duì)簡(jiǎn)單的游戲環(huán)節(jié)，比如MMORPG游戲中的一個(gè)小副本任務(wù)，利用搜索算法或者適量的人類(lèi)玩家數(shù)據(jù)進(jìn)行監(jiān)督學(xué)習(xí)，還能夠快速生成測(cè)試跑圖機(jī)器人。

• 戰(zhàn)力評(píng)估與智能匹配

相信很多玩家都有過(guò)被隊(duì)友坑，或被對(duì)手完虐的體驗(yàn)。通過(guò)AI的匹配機(jī)制，我們可以準(zhǔn)確評(píng)估玩家水平、匹配水平相當(dāng)?shù)年?duì)友以及對(duì)手，保證對(duì)戰(zhàn)的公平性，改善玩家的游戲體驗(yàn)。

相比傳統(tǒng)ELO等方法，Trueskill2可以綜合先驗(yàn)信息（如裝備購(gòu)買(mǎi)情況、游戲經(jīng)驗(yàn)值等）和后驗(yàn)信息（如局內(nèi)擊殺數(shù)、被擊殺數(shù)、斷線逃跑情況等），通過(guò)概率圖模型讓消息在整個(gè)模型中傳播，不斷修正對(duì)玩家水平的評(píng)估，在幾個(gè)對(duì)局內(nèi)就獲得對(duì)玩家水平的準(zhǔn)確估計(jì)。

Trueskill2原理圖

而在水平匹配的基礎(chǔ)上，玩家可能對(duì)社交也有相應(yīng)需求。我們可以通過(guò)AI算法分析玩家用戶(hù)畫(huà)像，再進(jìn)行相應(yīng)匹配，就能夠滿(mǎn)足玩家更高層面的追求。

以上就是關(guān)于AI如何增強(qiáng)游戲平衡性的一些分享~

【游戲環(huán)境篇】

要問(wèn)每一個(gè)FPS游戲玩家心中的痛是什么？“知道對(duì)手開(kāi)掛卻又制裁不了”絕對(duì)算得上一個(gè)回答。例如，玩守望先鋒時(shí)遇到鎖頭掛，無(wú)論怎么蛇皮走位，都會(huì)被外掛瞄準(zhǔn)頭部一頓掃射，憑人類(lèi)的反應(yīng)完全無(wú)法抗衡，簡(jiǎn)直叫人抓狂。

毫無(wú)疑問(wèn)，一場(chǎng)精彩刺激的對(duì)局中如果出現(xiàn)了外掛、辱罵等惡意行為，必然會(huì)破壞玩家正常的游戲體驗(yàn)。AI可以通過(guò)圖像識(shí)別或用戶(hù)畫(huà)像分析來(lái)打擊游戲外掛，也能夠基于語(yǔ)音語(yǔ)言識(shí)別技術(shù)過(guò)濾臟話等敏感信息，讓游戲環(huán)境更加公平公正、清潔有序。

一、外掛打擊

游戲外掛五花八門(mén)、層出不窮，比如競(jìng)技類(lèi)游戲的全圖作弊器、數(shù)值修改器等外掛，RPG游戲存在的自動(dòng)掛機(jī)、自動(dòng)刷野等外掛。傳統(tǒng)應(yīng)對(duì)方案就是在客戶(hù)端打各種安全補(bǔ)丁，但道高一尺魔高一丈，外掛插件也會(huì)隨之迭代，令各大游戲廠商苦不堪言。

比如吃雞游戲的透視掛, 無(wú)論玩家躲在房間里還是掩體背后, 都會(huì)被開(kāi)掛者一覽無(wú)余。本質(zhì)上，開(kāi)掛者是對(duì)客戶(hù)端進(jìn)行了非法修改，使游戲畫(huà)面展現(xiàn)了本不該被獲知的信息。而AI能夠定期或在滿(mǎn)足特定條件時(shí)（如某位玩家在無(wú)視野情況下將對(duì)手槍槍爆頭），對(duì)游戲畫(huà)面進(jìn)行檢測(cè)，從而讓外掛行為無(wú)處遁形。

吃雞游戲中的透視掛

利用AI進(jìn)行圖像識(shí)別打擊外掛，其基本的原理結(jié)構(gòu)是卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)。CNN通常是一個(gè)多層的網(wǎng)絡(luò)，能夠通過(guò)卷積(convolution)這種數(shù)學(xué)操作來(lái)“觀察”圖像中的各個(gè)區(qū)域。而每塊區(qū)域的計(jì)算輸出會(huì)經(jīng)過(guò)非線性的激活函數(shù)，并在更高層進(jìn)行匯總，直到在最高層得到目標(biāo)輸出。針對(duì)反外掛，CNN的輸出可以是一個(gè)二元判斷，即游戲圖像是否有外掛嫌疑。只要在訓(xùn)練時(shí)給AI看過(guò)足夠多的外掛圖片，AI就能記住這類(lèi)圖片的特點(diǎn)，并對(duì)于外掛進(jìn)行無(wú)死角監(jiān)控。

卷積神經(jīng)網(wǎng)絡(luò)

類(lèi)似地，AI還可以對(duì)于玩家上傳的圖片如頭像進(jìn)行違規(guī)審核，阻止其中的色情暴力內(nèi)容。未成年人防沉迷用的人臉識(shí)別同樣是基于類(lèi)似的原理，只需要將輸入從一張圖片變成兩張圖片，保證用戶(hù)實(shí)時(shí)驗(yàn)證的人臉和注冊(cè)人臉為同一個(gè)人即可。

二、聊天內(nèi)容過(guò)濾審核

游戲聊天公屏界面里不受控制的言論會(huì)帶來(lái)很多潛在的風(fēng)險(xiǎn)，辱罵、色情、政治、暴力、廣告破壞了游戲環(huán)境，影響玩家正常交流，困擾著很多游戲工作室。傳統(tǒng)解決方案為采用關(guān)鍵字過(guò)濾，但是玩家的表達(dá)方式在不停演化。簡(jiǎn)單的關(guān)鍵字識(shí)別很容易利用字符填充、諧音、俚語(yǔ)等方法繞過(guò)。對(duì)于有利可圖打廣告的灰色產(chǎn)業(yè)工作室，更是新說(shuō)法層出不窮。

在這種情況下，我們就可以借助AI模型強(qiáng)大的泛化能力來(lái)識(shí)別敏感信息，例如基于TextCNN和Transformer的分類(lèi)器。TextCNN是卷積神經(jīng)網(wǎng)絡(luò)在文本分類(lèi)上的應(yīng)用，其結(jié)構(gòu)簡(jiǎn)單、性能快，適用于聊天內(nèi)容短，非法特征明顯、信息集中的情景。

TextCNN原理圖

Transformer則是google在2017年提出的網(wǎng)絡(luò)結(jié)構(gòu)，相較于TextCNN它的結(jié)構(gòu)更加復(fù)雜也更加靈活。Transformer的self-attention結(jié)構(gòu)根據(jù)上下文內(nèi)容的關(guān)聯(lián)程度自動(dòng)調(diào)節(jié)每個(gè)字的權(quán)重，使得特征信息得以凸顯。Multi-head Attention將字向量分成多段，每一段分別與不同的Attention矩陣計(jì)算，允許模型捕捉更多樣的語(yǔ)境信息。

游戲內(nèi)的圖文信息體量巨大且繁雜，傳統(tǒng)方式或許難以有效識(shí)別和過(guò)濾敏感內(nèi)容，但深度學(xué)習(xí)憑借極強(qiáng)的學(xué)習(xí)能力，能夠從容做出應(yīng)對(duì)，創(chuàng)造一個(gè)更有秩序的游戲世界。

關(guān)于AI如何改善游戲環(huán)境的一些技術(shù)分享到這里就結(jié)束啦。

【畫(huà)面質(zhì)量篇】

對(duì)玩家而言，畫(huà)面是接觸游戲后的“第一印象”，甚至很大程度上可以決定玩家究竟是“一見(jiàn)鐘情”還是“不感興趣”。因此，精美的畫(huà)面已成為各類(lèi)游戲表現(xiàn)力的保證。

例如，作為無(wú)數(shù)資深游戲玩家心頭“白月光”的次世代游戲《刺客信條：起源》中，優(yōu)秀的畫(huà)面一直是其吸引眾多玩家的最大特色之一。除了細(xì)致的人文風(fēng)貌刻畫(huà)外，每一個(gè)形象鮮活自然的NPC也進(jìn)一步增強(qiáng)了游戲的代入感。

但制作精良的游戲通常意味著強(qiáng)大的游戲美術(shù)支持，而強(qiáng)大的美術(shù)資源背后則是高昂的時(shí)間成本和巨額的制作費(fèi)用。AI的一系列技術(shù)，能夠幫助減少動(dòng)畫(huà)制作的成本和時(shí)間，讓更精美的游戲畫(huà)面成為可能，從視覺(jué)層面提升玩家的游戲體驗(yàn)。例如，AI語(yǔ)音驅(qū)動(dòng)角色面部動(dòng)畫(huà)技術(shù)和角色動(dòng)作控制技術(shù)。

一、AI語(yǔ)音驅(qū)動(dòng)角色面部動(dòng)畫(huà)技術(shù)

談到角色面部動(dòng)畫(huà)，大眾更為熟悉的技術(shù)是面部動(dòng)捕，傳統(tǒng)的面部動(dòng)捕技術(shù)需要配備專(zhuān)業(yè)動(dòng)捕設(shè)備和演員進(jìn)行拍攝，還會(huì)產(chǎn)生高昂的費(fèi)用。但實(shí)際上，除了面部動(dòng)捕技術(shù)以外，還有一種成本更低、適用場(chǎng)景更多的AI黑科技——語(yǔ)音驅(qū)動(dòng)角色面部動(dòng)畫(huà)技術(shù)。

語(yǔ)音驅(qū)動(dòng)面部角色動(dòng)畫(huà)技術(shù)框架

首先，我們需要建立一個(gè)足夠量的語(yǔ)音和對(duì)應(yīng)的面部表情動(dòng)作序列數(shù)據(jù)，基于這些數(shù)據(jù)訓(xùn)練出一個(gè)端到端的深度神經(jīng)網(wǎng)絡(luò)模型。不論是從語(yǔ)音到表情和口型標(biāo)簽，還是從語(yǔ)音直接到三維角色的面部表情控制器，該模型都可以取得相當(dāng)不錯(cuò)的泛化能力，基本可以做到一個(gè)模型就能處理不同性別、年齡、語(yǔ)言的語(yǔ)音數(shù)據(jù)。

管純基于語(yǔ)音的面部動(dòng)畫(huà)在精度和效果上距離面部動(dòng)捕還有一些距離，但受限于成本，以本世代3A游戲的體量，不可能每個(gè)NPC都有動(dòng)捕的待遇。利用該技術(shù)，一方面，可以用極低的成本讓游戲里的所有人物都具有一定的表情動(dòng)畫(huà)；另一方面，在國(guó)際化背景下，很多游戲是擁有多語(yǔ)種配音的，目前還沒(méi)有游戲工作室會(huì)奢侈到為一種語(yǔ)言的配音單獨(dú)動(dòng)捕一套口型動(dòng)畫(huà)，利用該技術(shù)可以快速生成跟不同語(yǔ)言發(fā)音匹配的口型動(dòng)畫(huà)，也可以為玩家提供更本地化的體驗(yàn)。

二、AI面部動(dòng)捕技術(shù)

除了上文提及的語(yǔ)音驅(qū)動(dòng)角色面部動(dòng)畫(huà)以外，我們將AI與圖形學(xué)算法結(jié)合還能獲得一種輕量級(jí)面部動(dòng)捕技術(shù)，以制作更為生動(dòng)的角色面部表情動(dòng)畫(huà)。只需要一個(gè)單目攝像頭（普通RGB攝像頭或RGB-D攝像頭均可），在不需要設(shè)置任何面部標(biāo)記點(diǎn)的情況下，該技術(shù)就可以實(shí)時(shí)將演員的面部表情遷移到虛擬角色上，且支持任何類(lèi)型的表情制作方式（如骨骼動(dòng)畫(huà)、blendshapes、live2d、貼圖動(dòng)畫(huà)等）。

目前業(yè)界主流大面部動(dòng)捕套件都基于mesh-based tracking框架，基本原理都很類(lèi)似，核心算法上世紀(jì)九十年代已經(jīng)被提出，只是當(dāng)時(shí)的AI技術(shù)還未進(jìn)入深度學(xué)習(xí)時(shí)代，人臉特征檢測(cè)的性能還不能夠滿(mǎn)足動(dòng)捕要求的大精度，還是依賴(lài)人工在演員面部標(biāo)記marker點(diǎn)。該方式能夠獲得超高精度的結(jié)果，但是使用條件非常苛刻、易用性較差。AI面部動(dòng)捕技術(shù)同樣基于mesh-based tracking框架，但從數(shù)據(jù)、到算法、再到工具鏈，實(shí)現(xiàn)了一套完整大輕量級(jí)面部動(dòng)捕系統(tǒng)。

事實(shí)上，對(duì)于很多手機(jī)游戲而言，輕量級(jí)面部動(dòng)捕設(shè)備都更加合適。一方面由于包體限制，很多游戲只會(huì)給主角或者非常重要的NPC制作面部表情動(dòng)畫(huà)，需求不大。另一方面，相比PC和主機(jī)游戲來(lái)說(shuō)，手游的研發(fā)周期較短，項(xiàng)目組沒(méi)有太大意愿在面部東部上投入太多精力。AI面部動(dòng)捕技術(shù)降低了使用條件，保證一定精度的同時(shí)，提升了易用性和速度，能夠提升美術(shù)生產(chǎn)的效率，同時(shí)還能夠滿(mǎn)足策劃和營(yíng)銷(xiāo)同學(xué)對(duì)虛擬偶像直播和游戲UGC玩法等內(nèi)容的需求。

三、角色動(dòng)作控制技術(shù)

角色動(dòng)作和狀態(tài)的切換流暢度也是影響畫(huà)面表現(xiàn)力的重要因素之一。傳統(tǒng)的、基于狀態(tài)機(jī)的角色動(dòng)畫(huà)控制系統(tǒng)中，開(kāi)發(fā)一套體驗(yàn)完美的動(dòng)作器，實(shí)現(xiàn)平滑自然的動(dòng)作生成，其復(fù)雜程度其實(shí)超乎玩家想象。在一些動(dòng)作型3A游戲中，一個(gè)主角的動(dòng)畫(huà)狀態(tài)機(jī)輕易就可以包含幾千個(gè)動(dòng)作節(jié)點(diǎn)，這些節(jié)點(diǎn)之間的跳轉(zhuǎn)和過(guò)渡規(guī)則完全依賴(lài)游戲開(kāi)發(fā)人員的經(jīng)驗(yàn)手工指定，其開(kāi)發(fā)和維護(hù)的復(fù)雜度可想而知。

正是在這一痛點(diǎn)驅(qū)動(dòng)下，育碧提出了Motion Matching技術(shù)，該技術(shù)將研發(fā)人員從復(fù)雜的動(dòng)作過(guò)渡規(guī)則中解放出來(lái)，只需要關(guān)注目標(biāo)動(dòng)作本身。給定一個(gè)目標(biāo)動(dòng)作和一個(gè)動(dòng)捕動(dòng)作庫(kù)，Motion Matching會(huì)根據(jù)角色的當(dāng)前姿態(tài)、運(yùn)動(dòng)速度、運(yùn)動(dòng)方向等信息、自動(dòng)從動(dòng)捕動(dòng)作庫(kù)中優(yōu)化出一個(gè)能從當(dāng)前姿態(tài)自然過(guò)渡到目標(biāo)動(dòng)作的動(dòng)作序列。

從事算法工作同學(xué)可能會(huì)對(duì)上述流程感到熟悉。是的，如果拋開(kāi)三維骨骼動(dòng)畫(huà)底層的技術(shù)原理，角色動(dòng)畫(huà)其實(shí)就是一組描述每個(gè)骨骼點(diǎn)平移和旋轉(zhuǎn)信息的序列數(shù)據(jù)。上述動(dòng)作過(guò)渡問(wèn)題，其實(shí)就是針對(duì)序列數(shù)據(jù)的插值或補(bǔ)全問(wèn)題，這也是AI技術(shù)最擅長(zhǎng)處理的領(lǐng)域之一。

AI動(dòng)作控制效果示意

我們可以利用AI技術(shù)、設(shè)計(jì)一個(gè)針對(duì)骨骼動(dòng)畫(huà)數(shù)據(jù)的特殊網(wǎng)絡(luò)結(jié)構(gòu)，并利用大量動(dòng)捕數(shù)據(jù)對(duì)該模型進(jìn)行訓(xùn)練，從而賦予該模型從角色的當(dāng)前狀態(tài)、環(huán)境信息、歷史狀態(tài)、用戶(hù)控制信號(hào)等信息、自動(dòng)預(yù)測(cè)下一幀動(dòng)作的能力。雖然目前該技術(shù)在游戲中落地還面臨不少工程上的困難，但是相比于Motion Matching技術(shù)，AI技術(shù)無(wú)疑賦予了角色動(dòng)畫(huà)控制更多的想象力。憑借深度神經(jīng)網(wǎng)絡(luò)強(qiáng)大的泛化能力，AI模型可以從海量數(shù)據(jù)中抽象、總結(jié)出關(guān)于動(dòng)作的深層次邏輯，從而實(shí)現(xiàn)更自然地動(dòng)作切換和過(guò)渡、以及跟所處環(huán)境更好的適配。

除此之外，AI賦能美術(shù)還有更多玩法，例如基于音樂(lè)自動(dòng)生成舞蹈動(dòng)畫(huà)；基于已有時(shí)裝模型和參考時(shí)裝圖，快速產(chǎn)出時(shí)裝貼圖或給游戲裝備“換裝”；基于少量游戲人物頭部模型，快速批量生成各種差異化較大的人物形象；或快速判定或轉(zhuǎn)換游戲圖標(biāo)的風(fēng)格等等。

隨著游戲行業(yè)3A大作的不斷出世，玩家對(duì)游戲畫(huà)面和沉浸感的要求也越來(lái)越高，想要在盡量降低成本的基礎(chǔ)上提高游戲畫(huà)面質(zhì)量，AI必然是最佳解決方案之一。

關(guān)于AI賦能游戲美術(shù)的分享就到這里。