最高5000倍加速模擬物理世界，育碧在修復bug上又進一步

曉查 2019-08-04 12:53:43 來源：量子位

解決“買游戲送bug”窘境

曉查發自凹非寺

量子位出品 | 公眾號 QbitAI

“買bug送游戲”對育碧游戲的玩家來說簡直是常態。即使是育碧的當家游戲《刺客信條》、《孤島驚魂》系列也是bug也是多到令人發指。

比如《刺客信條：大革命》中，主角的臉部建模突然失控，變成一張“滑稽臉”。

又或者是人物總會卡死在奇怪的地方。

最近，育碧蒙特利爾工作室，也就是開發出上面幾款游戲的知名工作室，他們的研究員最近提出了一種游戲世界中的物理模擬方法，能夠包括模擬布料的飄動和和其他彈性物體的變形。

這種方法結合機器學習，能比之前的標準物理模擬方法快300到5000倍，每秒甚至能模擬3000多幀畫面！

文章的第一作者Daniel Holden在Twitter上公布了這項研究后，不少育碧玩家表示非常期待。

效果

研究人員在不同場景中模擬了不同物體在外力作用下的變形。

球在撞擊一只兔子：

人物在跳動的時候，斗篷和裙子如何隨風飄動：

然而在實際的游戲場景中，發生變化的物體可能不止一個，所以育碧還進行了壓力測試。讓幾百只兔子在同一幅畫面中被擠壓撞擊，還有16個人一起在畫面中跳舞，觀察斗篷的變化。

每個測試都能在120FPS和240FPS的幀速率獨立模擬運行。

原理

這種方法的核心思想是將神經網絡與子空間模擬相結合，產生一個可以完全在模擬子空間中運行的模擬步驟，并且能同時與外部對象進行交互。

作者使用Maya軟件的nCloth離線獲取訓練數據X和Y，執行PCA獲得壓縮的表征Z和W。然后將Z和W輸入神經網絡φ進行訓練，預測z*的壓縮狀態、給定對象z的先前狀態z_t-1，以及外部對象的壓縮狀態w*，從模型輸出直接計算模擬對象位置x*和法線?*，用于渲染。

算法中還包括多種優化，比如高效的GPU解壓縮算法和頂點法線逼近方法。

這種方法一個重要的優勢是它的性能，運行速度更快，內存占用更少。下表列出了，它與其他方法的對比。結果證明，該方法相比標準模擬方法中實現了~300×到~5000倍的加速。即使與其他最先進的方法（如HRPD）相比，它也具有良好的性能。

以上所有性能測試均是在Intel Xeon E5-1650 3.5 GHz CPU和GeForce GTX 1080 Titan GPU上進行。

當然，育碧最后還是逃不過bug的命運。這套方法也并非沒有局限性，如果某些參數過大，仍然會產生錯誤的模擬結果。

前面演示的小球碰撞布料的模擬，如果小球的速度足夠快，就能直接穿過去，好像布料完全不存在一樣。

論文地址：

http://theorangeduck.com/media/uploads/other_stuff/deep-cloth-paper.pdf

— 完 —

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復“招聘”兩個字。

量子位 QbitAI · 頭條號簽約作者

?’?’ ? 追蹤AI技術和產品新動態