Powered by OpenAIRE graph
Found an issue? Give us feedback
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/ Recolector de Cienci...arrow_drop_down
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/
addClaim

Animaciones físicas mediante aprendizaje por refuerzo

Authors: Abreu García, Sergio; Alvarez Castro, Daniel;

Animaciones físicas mediante aprendizaje por refuerzo

Abstract

En la mayoría de videojuegos, las animaciones de los personajes están predefinidas, los artistas las crean durante el proceso de producción y así se quedan, cómo una serie de movimientos inmutables que se realizan al margen de la física del mundo en el que se encuentran. Las animaciones basadas en físicas vienen a solucionar este problema. Son igualmente creadas por artistas, pero dentro del juego las ejecutan personajes cuyos cuerpos están simulados mediante físicas realistas. Es decir, se simula cada parte del cuerpo cómo un objeto físico diferente, y se conectan entre ellas mediante articulaciones capaces de aplicar fuerzas, imitando el comportamiento de un cuerpo real. Aplicando las fuerzas adecuadas se puede hacer que estos personajes ejecuten las animaciones previamente creadas por los artistas. Esto consigue personajes que, no sólo pueden ver sus animaciones modificadas de manera natural ante perturbaciones externas, sino que también pueden interactuar con su entorno de forma realista. El movimiento natural que se consigue con esta técnica produce en el jugador una sensación de realismo e inmersión que sería imposible con animaciones tradicionales. Sin embargo, simular un personaje de esta forma presenta dos grandes problemas: el equilibrio y la estabilidad. Si simplemente se reprodujesen estas animaciones tal cual fueron creadas, el personaje no se mantendría de pie y perdería su trayectoria ante la más mínima perturbación. Esto se puede solucionar aplicando fuerzas artificiales que aseguren una postura concreta, pero así se pierde gran parte del realismo propio de esta técnica de animación. Una solución mejor es utilizar aprendizaje automático para que el personaje aprenda a estabilizarse aplicando fuerzas en sus articulaciones, intentando que al hacerlo su postura se parezca lo máximo posible a la de la animación. Esto es aún una frontera del desarrollo de videojuegos. En este trabajo exploramos el uso de aprendizaje por refuerzo para resolver la tarea del equilibrio en animaciones físicas. Para ello utilizamos Unity, uno de los motores de videojuegos más extendidos en la industria, con lo cual buscamos también comprobar cómo de accesibles son estas técnicas a día de hoy para los estudios de desarrollo.

Keywords

Unity., Deep reinforcement learning, Informática (Informática), Animaciones físicas, Physics-based animation, Animation in videogames, Aprendizaje automático, Aprendizaje por refuerzo profundo, Machine learning, Animaciones en videojuegos, 1203.17 Informática, 004(043.3)

  • BIP!
    Impact byBIP!
    selected citations
    These citations are derived from selected sources.
    This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    0
    popularity
    This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
    Average
    influence
    This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    Average
    impulse
    This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
    Average
Powered by OpenAIRE graph
Found an issue? Give us feedback
selected citations
These citations are derived from selected sources.
This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Citations provided by BIP!
popularity
This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
BIP!Popularity provided by BIP!
influence
This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Influence provided by BIP!
impulse
This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
BIP!Impulse provided by BIP!
0
Average
Average
Average
Green