曉查發自凹非寺
　　量子位出品公眾號 QbitAI

　　“買 bug 送游戲”對育碧游戲的玩家來說簡直是常態。即使是育碧的當家游戲《刺客信條》、《孤島驚魂》系列也是 bug 也是多到令人發指。

　　比如《刺客信條：大革命》中，主角的臉部建模突然失控，變成一張“滑稽臉”。

　　又或者是人物總會卡死在奇怪的地方。

　　最近，育碧蒙特利爾工作室，也就是開發出上面幾款游戲的知名工作室，他們的研究員最近提出了一種游戲世界中的物理模擬方法，能夠包括模擬布料的飄動和和其他彈性物體的變形。

　　這種方法結合機器學習，能比之前的標準物理模擬方法快 300 到 5000 倍，每秒甚至能模擬 3000 多幀畫面！

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

　　效果

　　研究人員在不同場景中模擬了不同物體在外力作用下的變形。

　　球在撞擊一只兔子：

　　人物在跳動的時候，斗篷和裙子如何隨風飄動：

　　然而在實際的游戲場景中，發生變化的物體可能不止一個，所以育碧還進行了壓力測試。讓幾百只兔子在同一幅畫面中被擠壓撞擊，還有 16 個人一起在畫面中跳舞，觀察斗篷的變化。

　　每個測試都能在 120FPS 和 240FPS 的幀速率獨立模擬運行。

　　原理

　　這種方法的核心思想是將神經網絡與子空間模擬相結合，產生一個可以完全在模擬子空間中運行的模擬步驟，并且能同時與外部對象進行交互。

　　作者使用 Maya 軟件的 nCloth 離線獲取訓練數據X和Y，執行 PCA 獲得壓縮的表征Z和W。然后將Z和W輸入神經網絡φ進行訓練，預測z*的壓縮狀態、給定對象z的先前狀態z_t-1，以及外部對象的壓縮狀態w*，從模型輸出直接計算模擬對象位置x*和法線ñ*，用于渲染。

　　算法中還包括多種優化，比如高效的 GPU 解壓縮算法和頂點法線逼近方法。

　　這種方法一個重要的優勢是它的性能，運行速度更快，內存占用更少。下表列出了，它與其他方法的對比。結果證明，該方法相比標準模擬方法中實現了~300×到~5000 倍的加速。即使與其他最先進的方法（如 HRPD）相比，它也具有良好的性能。

　　以上所有性能測試均是在 Intel Xeon E5-1650 3.5 GHz CPU 和 GeForce GTX 1080 Titan GPU 上進行。

　　當然，育碧最后還是逃不過 bug 的命運。這套方法也并非沒有局限性，如果某些參數過大，仍然會產生錯誤的模擬結果。

　　前面演示的小球碰撞布料的模擬，如果小球的速度足夠快，就能直接穿過去，好像布料完全不存在一樣。

　　論文地址：

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

　　— 完 —

總結

以上是生活随笔為你收集整理的最高5000倍加速模拟物理世界，育碧在修复bug上又进一步的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。