Software trainiert Breakdancing und Kampfkünste

Forscher der University of California in Berkeley haben ein System entwickelt, das Bewegungsanimationen von künstlichen Figuren in Spielfilmen oder Computerspielen künftig wesentlich natürlicher aussehen lassen soll. [...]

Die Technologie namens „DeepMimic“ setzt auf einen speziellen Algorithmus und selbstlernende Deep-Learning-Methoden. Diese benötigen, ähnlich wie der Mensch, eine gewisse Zeit des Trainings, um bestimmte akrobatische Bewegungen, wie etwa Breakdancing oder Kampfkünste, naturgetreu nachzustellen. Sind diese aber erst einmal erlernt, kann das System auch spontane Abläufe, wie etwa Stürze, simulieren.

Unterschiedliche Fähigkeiten

„In der Vergangenheit wurde viel Zeit und Energie in die Simulation von natürlichen Bewegungen gesteckt. Diese zumeist Physik-basierten Ansätze können aber in der Regel immer nur ganz bestimmte Bewegungen nachvollziehen und verfügen über keinerlei unterschiedliche Fähigkeiten“, erklärt Xue Bin Peng vom Department of Electrical Engineering and Computer Sciences der University of California, Berkeley. Für die Darstellung komplexerer Abläufe seien etwa verschiedene spezialangefertige Controller notwendig gewesen. „Man brauchte einen zum Gehen, einen zum Laufen und einen für Sprünge oder andere Bewegungen“, stellt der Experte klar.

Mittels DeepMimic sei es nun möglich, eine ganze Reihe von unterschiedlichen Fähigkeiten zu simulieren – und das alles mit einem einzigen Algorithmus. „Wir sind dadurch in der Lage, quasi einen virtuellen Stuntman zu erschaffen, der verschiedenste Bewegungsabläufe darstellen kann und sich in einer Art und Weise verhält, dass man es nur noch schwer vom natürlichen Vorbild unterscheiden kann“, so Peng.

Pro Bewegung ein Monat Training

Um das zu ermöglichen, hat der Wissenschaftler mit seinem Team zunächst Referenzdaten von unzähligen Motion-Capture-Clips gesammelt, die mehr als 25 verschiedene, eher einfachere Bewegungen wie Laufen, Werfen oder Springen und komplexere akrobatische Einlagen wie beispielsweise Rückwärtssalti, Radschlagen oder Kip-ups beinhalten. Das zusammengetragene Material wurde anschließend in das DeepMimic-System eingespeist, das daraufhin sein eigenes Trainingsprogramm startete.

„Für jede erlernte Fähigkeit musste das System knapp ein Monat lang trainieren – das ist in etwa gleich lang, wie ein Mensch brauchen würde, um dasselbe zu lernen“, erläutert der Forscher. Der Computer war sieben Tage pro Woche rund um die Uhr mit Millionen von Simulationen beschäftigt, um selbstständig herauszufinden, wie sich eine Bewegung am besten darstellen lässt. „Das Lernen funktioniert über das Trial-and-Error-Prinzip: Nach jeder Simulation wird das Ergebnis genau analysiert und so lange verbessert, bis eine möglichst natürliche Bewegung entsteht“, schildert Peng.