最高5000倍加速模拟物理世界，育碧在修复bug上又进一步

晓查 2019-08-04 12:53:43 来源：量子位

解决“买游戏送bug”窘境

晓查发自凹非寺

量子位出品 | 公众号 QbitAI

“买bug送游戏”对育碧游戏的玩家来说简直是常态。即使是育碧的当家游戏《刺客信条》、《孤岛惊魂》系列也是bug也是多到令人发指。

比如《刺客信条：大革命》中，主角的脸部建模突然失控，变成一张“滑稽脸”。

又或者是人物总会卡死在奇怪的地方。

最近，育碧蒙特利尔工作室，也就是开发出上面几款游戏的知名工作室，他们的研究员最近提出了一种游戏世界中的物理模拟方法，能够包括模拟布料的飘动和和其他弹性物体的变形。

这种方法结合机器学习，能比之前的标准物理模拟方法快300到5000倍，每秒甚至能模拟3000多帧画面！

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

效果

研究人员在不同场景中模拟了不同物体在外力作用下的变形。

球在撞击一只兔子：

人物在跳动的时候，斗篷和裙子如何随风飘动：

然而在实际的游戏场景中，发生变化的物体可能不止一个，所以育碧还进行了压力测试。让几百只兔子在同一幅画面中被挤压撞击，还有16个人一起在画面中跳舞，观察斗篷的变化。

每个测试都能在120FPS和240FPS的帧速率独立模拟运行。

原理

这种方法的核心思想是将神经网络与子空间模拟相结合，产生一个可以完全在模拟子空间中运行的模拟步骤，并且能同时与外部对象进行交互。

作者使用Maya软件的nCloth离线获取训练数据X和Y，执行PCA获得压缩的表征Z和W。然后将Z和W输入神经网络φ进行训练，预测z*的压缩状态、给定对象z的先前状态z_t-1，以及外部对象的压缩状态w*，从模型输出直接计算模拟对象位置x*和法线ñ*，用于渲染。

算法中还包括多种优化，比如高效的GPU解压缩算法和顶点法线逼近方法。

这种方法一个重要的优势是它的性能，运行速度更快，内存占用更少。下表列出了，它与其他方法的对比。结果证明，该方法相比标准模拟方法中实现了~300×到~5000倍的加速。即使与其他最先进的方法（如HRPD）相比，它也具有良好的性能。

以上所有性能测试均是在Intel Xeon E5-1650 3.5 GHz CPU和GeForce GTX 1080 Titan GPU上进行。

当然，育碧最后还是逃不过bug的命运。这套方法也并非没有局限性，如果某些参数过大，仍然会产生错误的模拟结果。

前面演示的小球碰撞布料的模拟，如果小球的速度足够快，就能直接穿过去，好像布料完全不存在一样。

论文地址：

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

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ’ᴗ’ ի 追踪AI技术和产品新动态