Informáticos del Instituto de Tecnología de Georgia y Google Brain, El brazo de investigación de inteligencia artificial de Google, han ideado un nuevo método computacional, impulsado por técnicas de aprendizaje automático, para simular con éxito y de manera realista el proceso de varios pasos de ponerse la ropa. Crédito:SIGGRAPH Asia
Vestirse es un día a día, tarea mundana que la mayoría de nosotros realizamos con poco o ningún pensamiento. Es posible que nunca tomemos en consideración los múltiples pasos y movimientos físicos involucrados cuando nos vestimos por las mañanas. Pero eso es precisamente lo que debe explorarse al intentar capturar el movimiento de vestirse y simular la tela para la animación por computadora.
Informáticos del Instituto de Tecnología de Georgia y Google Brain, El brazo de investigación de inteligencia artificial de Google, han ideado un nuevo método computacional, impulsado por técnicas de aprendizaje automático, para simular con éxito y de manera realista el proceso de varios pasos de ponerse la ropa. Cuando se diseca, la tarea de vestirse es bastante compleja, e implica varias interacciones físicas diferentes entre el personaje y su ropa, guiado principalmente por el sentido del tacto de la persona.
Crear la animación de un personaje vistiendo ropa es un desafío debido a las complejas interacciones entre el personaje y la prenda simulada. La mayoría de los trabajos en animación de personajes muy restringidos se ocupan de entornos estáticos que no reaccionan mucho al movimiento del personaje. señalan los investigadores. A diferencia de, la ropa puede responder inmediata y drásticamente a pequeños cambios en la posición del cuerpo; la ropa tiene la tendencia a doblarse, pegarse y aferrarse al cuerpo, haciendo háptico, o sensación de tacto, esencial para la tarea.
Otro desafío único sobre vestirse es que requiere que el personaje realice una secuencia prolongada de movimiento que involucra un conjunto diverso de subtareas, como agarrar la capa frontal de una camisa, metiendo una mano en la abertura de la camisa y empujando una mano a través de una manga.
"Vestirnos parece fácil para muchos de nosotros porque lo practicamos todos los días. En realidad, la dinámica de la tela hace que sea muy difícil aprender a vestirse desde cero, "dice Alexander Clegg, autor principal de la investigación y un doctorado en ciencias de la computación. estudiante en el Instituto de Tecnología de Georgia. "Aprovechamos la simulación para enseñar a una red neuronal a realizar estas tareas complejas al dividir la tarea en partes más pequeñas con objetivos bien definidos, permitiendo que el personaje intente la tarea miles de veces y proporcionando señales de recompensa o penalización cuando el personaje intenta cambios beneficiosos o perjudiciales en su política ".
El método de los investigadores luego actualiza la red neuronal paso a paso para hacer que los cambios positivos descubiertos tengan más probabilidades de ocurrir en el futuro. "De este modo, enseñamos al personaje cómo tener éxito en la tarea, "señala Clegg.
Clegg y sus colaboradores en Georgia Tech incluyen a los informáticos Wenhao Yu, Greg Turk y Karen Liu. Junto con el investigador de Google Brain, Jie Tan, el grupo presentará su trabajo en SIGGRAPH Asia 2018 en Tokio del 4 al 7 de diciembre. La conferencia anual presenta a los miembros técnicos y creativos más respetados en el campo de los gráficos por computadora y las técnicas interactivas, y muestra investigaciones científicas de vanguardia, Arte, juegos y animación, entre otros sectores.
En este estudio, Los investigadores demostraron su enfoque en varias tareas de vestirse:ponerse una camiseta, ponerse una chaqueta y vestirse una manga con la ayuda de un robot. Con la red neuronal entrenada, pudieron lograr una recreación compleja de una variedad de formas en que un personaje animado se pone la ropa. Key está incorporando el sentido del tacto en su marco para superar los desafíos en la simulación de telas. Los investigadores encontraron que la selección cuidadosa de las observaciones de la tela y las funciones de recompensa en su red entrenada son cruciales para el éxito del marco. Como resultado, Este enfoque novedoso no solo permite secuencias de vestir únicas, sino también un controlador de personajes que puede vestirse con éxito en diversas condiciones.
"Hemos abierto la puerta a una nueva forma de animar tareas de interacción de varios pasos en entornos complejos mediante el aprendizaje por refuerzo, "dice Clegg." Aún queda mucho trabajo por hacer para continuar por este camino, permitiendo que la simulación proporcione experiencia y práctica para el entrenamiento de tareas en un mundo virtual. "Al expandir este trabajo, el equipo está colaborando actualmente con otros investigadores en el laboratorio de robótica sanitaria de Georgia Tech para investigar la aplicación de la robótica para ayudar a vestirse.