在遊戲科學最新的虎年賀歲視頻中，他們重點調侃整活了“動作捕捉”技術，而近年來，大製作的遊戲使用動作捕捉技術已經越來越普遍了，荒野大鏢客2、死亡擱淺都是業界內運用動作捕捉非常成功的遊戲。隨著技術日新月異的更新，遊戲科學的動作捕捉技術也在發展的過程中。
動作捕捉
最直觀的動作捕捉技術，大概是看《金剛》的猩猩或者《魔戒》中的咕嚕，一個是巨大無比的黑猩猩，一個是侏儒狀的霍比特人，這些背後都是演員的動作捕捉技術。在遊戲領域，傳統的技術動畫師，大概並不需要學習太多動捕技術和人工智能方向的知識。
本科四年的計算機基礎學習，熟練使用Maya和Unity，能夠在UE4中構建狀態機做出基礎的人物動畫設計，之後無論是去遊戲公司還是影視動畫公司深造都有很好的發展前景。但隨著技術發展，引擎的不斷更新，以及2016年Nature上DeepMind公司發表狗狗的強化學習方法，這些給了遊戲界眾多研究人員靈感，讓動作捕捉技術迎來了進一步的發展。
在GDC大會上，育碧蒙特利爾的研究院Simon Clavet做了一個關於動作捕捉技術的講座，會議上他提出了一個動作捕捉的新方法、新思路Motion Matching，譯為“運動匹配系統”，這個方法最終要實現的目標就一句話，搭配人物模型設計，讓這些人物能夠自己運動起來，這樣就能輔助減輕遊戲動作捕捉開發很大的工作量。
整活
這次整活視頻中的海龜技術大佬的原型疑似遊戲科學的的招文勇，他曾在去年Epic舉辦的虛幻引擎線下技術沙龍上提到了Motion Matching的技術問題。我們先從初版的Motion Matching開始講起，育碧最早是在《榮耀戰魂》這款遊戲中使用這項技術，當時主要是蒙特利爾工作室開發。
育碧出品，請認準蒙特利爾，這項技術出自蒙特利爾一點也不意外，畢竟人工智能深度學習領域的三巨頭Youshua Bengio就是蒙特利爾大學的教授，Motion Matching從誕生之初就有革動作捕捉命的味道。在傳統的遊戲動畫製作中，動畫師從零到有搭建一套完整的動作設計需要數月甚至數年的時間。
動作捕捉提供了便利，遊戲廠商可以對專業的武術團隊進行動補，然後捕捉到的動作轉換為一個個可視的數據點，最終被反饋到遊戲模型上，從而讓人物“動起來”。這意味著動畫師不需要自己去“手動創造”模型的動畫，而是直接從動捕數據庫拿數據。
動捕棚
比如CDPR在製作《巫師3：狂獵》的時候，就比前作《巫師2：國王刺客》有了更多的動作捕捉，他們聘請了專業的劍術大師Maciej Kwiatkowski為傑洛特擔任動作捕捉的特技演員（拜年劍法），當然，還有很多女性以及比較香豔的鏡頭，均是來源於動作捕捉技術，光靠動畫師腦補動作設計當然比不上動作捕捉的精細流暢程度。
有了動作捕捉，原來數月甚至數年設計動作的時間縮減到幾周，遊戲廠商會在動捕棚中錄製“演員”大量的動作。以前動捕棚很貴，所以大家都是去租，動作設計師提前把動作規劃好然後再去錄，當然也會有後續數次補錄的過程，這樣可以最大限度節省資源。
動捕工作完成後，動畫師可以隨意使用這些動捕數據，他們的工作不再是從0到1的創作，而是研究如何優化這些動作，讓它們看起來更加流暢，提升動作的質量。工作量的大大縮減，並不意味著遊戲偷工減料，科研技術的進步是為了更好服務生產，這讓更多用心做遊戲的公司能產出更高質量的遊戲。
成本問題
比如像R星這樣的公司恐怕沒有那麼在乎動作捕捉的成本問題，他們在製作荒野大鏢客2時足足使用了1200名演員拍攝動作捕捉，共用工時2200天，這是前無古人的大製作，之後的來者恐怕也只有GTA6或者荒野大鏢客前傳重製版能享受這個待遇。
不過並非每一家公司都有能力模仿R星這樣“十年磨一劍”的製作方式，捨得用充足的資金去打造一款買斷制的3A大作，於是遊戲開發者們思考，能否搭建一個大型的動捕數據庫，這樣不必每次開發一款新遊戲就去找大量演員做動捕，只要有動作需求就複用數據庫的素材。
red dead redemption mocap
然而在很長一段時間裡，遊戲界一直在嘗試解決這樣的問題，但是效果一直不佳，沒辦法達到商用的地步，儘管Yann LeCun在1989年就提出了神經網絡相關的反向傳播算法，但直到快20年後，學者們才認識到神經網絡的重要性，Motion Catching正是在蒙特利爾這個大環境下被提出的。
Motion Matching
2010年，華盛頓大學計算機系和Bungie一起提出Motion Fields方法，簡單來說，這個方法是人物根據玩家的輸入通過搜尋動捕數據庫的數據來自動生成動作，這樣的想法當然也能應用在製作遊戲上。不出意外的話，這個方法應該很快會被微軟注意到，但育碧蒙特利爾挖走了論文的一作Yongjoon Lee。
到了2016年GDC上Motion Matching延續了之前Motion Fields的基本思想，然後再對一些遊戲中角色的基本動作進行優化，最後得到了一個初版的Motion Matching系統，即預測下一幀的動作，然後根據所有的預測構建一個N幀狀態樹。在育碧公開這則消息的新聞下面，大量玩家在嘲諷育碧是不是又在寫Bug了。
然而幾乎所有遊戲大廠都被這項技術吸引到了注意力，有能力的就自己用類似的方法再開發一個系統，資金不夠的就對著育碧公開的細節復現學習。有了這個狀態樹，動畫設計師可以直接看不同節點分支的效果，然後在其中選擇合適的動作，然後再像傳統方法那樣Polish動畫狀態機。
未來
雖然Motion Matching不能完全取代動捕，但卻能最大限度去利用動捕的數據，三十年前、二十年前這項技術仍然是遙不可及的，但是從16年開始，Motion Matching的研究已經初具規模，學術界也開始與工業界聯手優化，UE4也能開始實現Motion Matching。
在2020年，Learned motion matching方法被提出，可預期的是如果Motion Matching在複雜行為上的效果越來越好，遊戲領域的動捕也會迎來革命性的改變。本次黑神話悟空整活視頻中，調侃陸吾系統的同時，遊戲科學明顯透露出他們仍然在使用Motion Matching做一些新東西。
如果從商業角度分析，Motion Matching並不算成熟的技術，背後必然是存在風險，而且不斷有新思路去改善Motion Matching，比如愛丁堡大學提出的PFNN，每當方法更新，都意味著前面的工作可能需要按照新方法更新一遍，但遊戲科學選擇與時俱進的研發探索精神值得讚揚。
或許這就是遊戲科學名字的含義——遊戲+科學。
黑神話：悟空——給遊戲以耐心，方得始終
黑神話：悟空——簡析12分鐘實際測試
黑神話：悟空——簡析虎年整活短片
黑神話：悟空——細品遊戲裡的中國古蹟
黑神話：悟空——如果有女兒國，你能撐過這一關嗎？
黑神話：悟空——中國古蹟考與黑神話隱喻
黑神話：悟空——敢問路在何方，致敬許鏡清
黑神話：悟空——西遊記的女妖精，你希望有哪些？
黑神話：悟空——西遊記的女妖精，白骨夫人
黑神話：悟空——二十八星宿，中國雕塑之絕唱
黑神話：悟空——《山海經》之崑崙陸吾
黑神話悟空——外網乾貨：西遊記背景，硬核科普
黑神話悟空——外網爭論：很硬核，有點像只狼
黑神話悟空——外網乾貨：古漢語太難，就像莎士比亞
黑神話悟空——外網玩家：中國龍太炫酷了！
黑神話悟空——外網熱議：畫質太棒了，好到感覺有點不真實
#gd的ai&遊戲雜談#
#神來之作新年特別篇#