作者：中联科创特约嘉宾尹智
虚拟的运动能和真实一模一样吗？答案很可能在人工神经网络和机器学习 Part2 —— 接part1
昨聊了虚拟角色的动作的仿真，这就是一类典型的深度学习可以大有发挥的场景: 每一类生物的动作都有特定的规律，而这种规律又复杂到难以用明确代码规则来描述，用大量运动的数据来喂养深度学习模型，让模型自己找出这种运动的形态模式，这就是用动作捕捉数据训练动作仿真AI的思路。
国内一个优秀的游戏团队，游戏科学，在制作游戏大作《黑神话:悟空》的过程中，采用的就是这个方式。为了获取更多更好的运动形态数据，游戏团队甚至自己做了一个动作捕捉工作室；为了训练四足动物的运动模型（这在全世界的游戏界，都是难题），团队抓了一群猫来做动作捕捉；研发团队开发了一个人工神经网络，用捕捉优化后的数据来训练这个模型。游戏还未发布，但从放出的Demo来看，四足类的妖怪和动物的动作，十分流畅自然。这归功于这个AI模型，充分学习和理解了猫的骨骼环节肌肉与其动作的关系，并将这种规律加载到了大型妖怪和动物的动作演算上。
下图的另一个对狼的运动仿真，用了两个人工神经网络模型，一个用于编码前一帧狼的运动特征(关节的连接位置，转动等)，作为一项输入，结合狼的当前形态（运动曲线，速度等）和控制指令，下一个人工神经网络实时计算（推理）出下一帧狼的形态。
而下图Meta推出了一个"手"的动态模型Myosuite，包括了三个部分，一共28个关节，50块肌肉，结合不同的自由度，这个手部模型已经可以捕捉到比如"盘核桃"这类复杂动作的规律，这种精度下，无论是元宇宙的虚拟人，还是现实的机器人，还是义肢上的机械手，都可能拥有和真实人类一样灵活的手。 —— 仅代表尹智个人观点 Ken's personal view only
