Sztuczna inteligencja jest już w stanie wygenerować realistyczny mecz tenisowy między dowolnymi graczami. System może zwiększyć realizm w grach komputerowych

Zespół badaczy z Uniwersytetu Stanforda wypracował nowatorski model wirtualizacji rozgrywek sportowych przy wykorzystaniu technologii uczenia maszynowego. Naukowcy wyszkolili algorytmy do rozpoznawania indywidualnego stylu gry zawodników i skorelowali pozyskane dane z systemem graficznej reprezentacji ruchu. Dzięki temu stworzyli oprogramowanie zdolne automatycznie generować przebieg meczów z udziałem dowolnych zawodników.

– Przedstawiamy system konwertujący nagrania z meczów tenisowych na interaktywne sprite’y [dwuwymiarowe obrazki rastrowe – przyp. red.], które zachowują się i wyglądają jak zawodowi gracze w tenisa. Nasze podejście opiera się na teksturach wideo i wykorzystuje wiedzę na temat cyklicznej struktury wymian tenisowych do generowania przejść pomiędzy klipami oraz akceptowania sygnałów wejścia na potrzeby sterowania kluczowymi parametrami rozgrywki – tłumaczy Haotian Zhang z Uniwersytetu Stanforda.

Nadrzędnym celem zespołu z Uniwersytetu Stanforda było dogłębne zbadanie charakterystyki gry poszczególnych zawodników i nauczenie sztucznej inteligencji, jak reagują na zagrożenie płynące ze strony konkretnych przeciwników. W tym celu wykorzystano technologię uczenia maszynowego do przeanalizowania tysięcy zagrań każdego ze sportowców i znalezienia ich modelowych zachowań podczas rozgrywki.

W trakcie szkolenia algorytmu pod uwagę wzięto trzy kluczowe parametry – przygotowanie się zawodnika do odbioru piłki, sposób uderzenia oraz zajęcie pozycji po rozegraniu. Zebrane dane poddano następnie analizie przy wykorzystaniu systemu sztucznej inteligencji Vid2Player. Jego zadaniem było odnalezienie wzorców zachowań, które w późniejszej fazie badań posłużyły do wirtualizacji zachowania graczy.

– Wykorzystaliśmy dane z archiwum wideo do modelowania pozycji zawodnika na korcie i decyzji dotyczących wyboru zagrań podczas zdobywania punktów. Używamy tych modeli behawioralnych do wybierania klipów wideo, które odzwierciedlają działania, jakie prawdziwy gracz mógłby podjąć w danej sytuacji meczowej, oddając w ten sposób realizm wymian na poziomie makro, a nie tylko indywidualnych ruchów – podkreśla Haotian Zhang.

Zastosowanie sztucznej inteligencji w procesie szkoleniowym pozwoliło wypracować w pełni zindywidualizowane modele zachowań graczy. System nauczył się, że Novak Djokovic zazwyczaj podaje na słabszą stronę przeciwnika, a Roger Federer podczas oczekiwania na piłkę trzyma się bliżej linii końcowej niż Rafael Nadal.

Pozyskanie tak szczegółowych danych pozwoliło pójść o krok dalej i przeprowadzić symulowaną rozgrywkę pomiędzy dowolnymi zawodnikami, nawet tymi, którzy nigdy nie spotkali się na korcie. Naukowcy w trakcie testów przeprowadzili pokazowy mecz dwóch Rogerów Federerów i symulowali starcie Szwajcara z Sereną Williams. Wirtualne awatary graczy odpowiadały na swoje zagrania na podstawie modelu predykcyjnego wypracowanego w procesie uczenia maszynowego.

– Zdaniem doświadczonych tenisistów wymiany generowane przy użyciu naszego systemu są znacznie bardziej realistyczne pod względem zachowania gracza niż metody sprite’ów wideo, które uwzględniają tylko jakość przejść podczas syntezy wideo – przekonuje badacz.

Proces analizy i przetwarzania danych wypracowany przez zespół z Uniwersytetu Stanforda pozwolił także wprowadzić interaktywne elementy do transmisji i wybierać punkty zagrania oraz cofnięcia się po odebraniu piłki. Tym samym stworzono podwaliny systemu, który może zostać wykorzystany przez twórców gier komputerowych na potrzeby stworzenia realistycznego symulatora tenisa, modelującego zachowanie wirtualnych awatarów zawodowych sportowców zgodnie z historycznymi danymi wizualnymi.