モリカトロン株式会社運営「エンターテインメント×AI」の最新情報をお届けするサイトです。

TAG LIST
機械学習ディープラーニングCGCGへの扉モリカトロンAIラボインタビューGAN三宅陽一郎CEDEC2019ゲームAIスクウェア・エニックス音楽シナリオ強化学習GDC 2019VFX映画ニューラルネットワーク遺伝的アルゴリズムデバッグ不完全情報ゲームVRキャラクターAIボードゲームファッションルールベースSIGGRAPHイベントレポートQAメタAIOpenAIガイスターロボットグーグルマルチエージェントナビゲーションAI小説AlphaZero深層学習AIと倫理toioビヘイビア・ツリー自動生成研究DeepMindJSAI2020人工知能学会CMAmadeus Code音声認識シーマン齊藤陽介お知らせ敵対的生成ネットワークサルでもわかる人工知能ワークショップ知識表現IGDAどうぶつしょうぎ畳み込みニューラルネットワークマシンラーニングクラウドマイクロソフト藤澤仁宮路洋一GoogleStyleGANNVIDIAスポーツフェイクニュースディープフェイクASBSぱいどんTEZUKA2020AI美空ひばり手塚治虫月刊エンタメAIニュース汎用人工知能ゲームブロックチェーンOpenAI Five映像ピクサーAdobe作曲ビッグデータアストロノーカナラティブモリカトロンパラメータ設計バランス調整対話型エージェント人狼知能エージェントシミュレーションロボティクスeSportsDota 2ソーシャルゲーム眞鍋和子淡路滋グリムノーツゴティエ・ボエダGautier BoedaJuliusTPRGバーチャル・ヒューマン・エージェントクーガー石井敦茂谷保伯森川幸人成沢理恵マジック・リープMagic Leap Oneノンファンジブルトークン水野勇太里井大輝GEMS COMPANY初音ミク転移学習デバッギングアニメーションリップシンキングUbisoftUbisoft La Forge北尾まどか将棋ナップサック問題ジェイ・コウガミ音楽ストリーミングSpotifyReplica Studioamuse5Gクラウドゲーミング和田洋一Stadia対話エンジン斎藤由多加シーマン人工知能研究所ゴブレット・ゴブラーズSIGGRAPH 2019ARAIりんなアップルiPhoneカメラ完全情報ゲームAIGraph環世界中島秀之予期知能ウェイポイントパス検索ドラゴンクエストPAIR画像認識アルスエレクトロニカ2019DeNA逆転オセロニア長谷洋平奥村エルネスト純齋藤精一高橋智隆ロボユニ泉幸典ロボコレ2019アートぎゅわんぶらあ自己中心派意思決定モデルウロチョロス理化学研究所教育SIGGRAPH ASIAHTN階層型タスクネットワークLEFT ALIVE長谷川誠Baby Xロバート・ダウニー・Jr.YouTubeSFThe Age of A.I.レコメンデーションソニーテンセントMOBA人事研修プロシージャルmynet.ai人工音声プレイ動画NBADARPAドローン群知能ウィル・ライトシムシティシムピープルレベルデザインSporeデノイズ画像処理GPUCPUALife人工生命オルタナティヴ・マシンサウンドスケープGMAITRPGウィザードリィAI Dungeon西川善司サムライスピリッツゼビウスストリートファイター栗原聡山野辺一記大里飛鳥マンガ13フェイズ構造手塚眞不気味の谷Oculus Quest生体情報写真照明山崎陽斗立木創太松井俊浩スパーシャルAIGPT-3GameGANパックマンCNN

パックマンだけではない。GANを使ったゲーム開発事例を紹介

2020.6.26ゲーム

パックマンだけではない。GANを使ったゲーム開発事例を紹介

実在しない人物の顔やオブジェクトに関するフォトリアルな画像を生成する技術であるGAN(Generative Adversarial Network:敵対的生成ネットワーク)は、その革新性が文字通り一目瞭然なために瞬く間に注目されるようになりました。最近ではGANの派生技術が次々と発明され、そうした技術はゲーム開発にも活用されています。この記事では、GANを使ったゲーム開発事例を紹介します。

ゲーププレイを見てゲームをコピー

大手GPUメーカーのNVIDIAは5月22日、アクションゲーム『パックマン』(1980年、ナムコ)の生誕40周年を記念して、GANを使って同ゲームを完全再現したことを発表しました。完全再現には、GameGANと命名された技術が使われました。

パックマンを再現するにあたっては、まずGameGANが模倣する学習データとして5万エピソード分のプレイ動画を用意しました。同技術はプレイ動画からステージの構造やパックマンなどの挙動を学習して、ゲームの仕様を特定していきます。この特定するプロセスを繰り返すと、最終的にゲームを完全再現できるようなるわけです。再現課程において注目すべきなのは、事前にソースコードとゲームの仕様が同技術に与えられていないというところです。

GameGANは、学習を通して動かない背景と動くキャラクターを区別できるようになります。それゆえ、ゲームの完全再現に成功すると、背景を他のものに差し替えて新たなゲームステージを生成することもできます。この技術を使えば、コーディングすることなく新規ゲームステージを生成することが可能となるのです。

GameGANの応用範囲は、ゲームだけに留まりません。将来的には、ロボットや自律自動車の制御に活用できると考えられています。例えば、自律走行車に搭載されたカメラから撮影した動画を学習データとして、この自律走行車を制御するAIモデルを開発することができます。

もっとも、GameGANにはルールを間違って学習する可能性があるので注意が必要です。ゲームメディアPolygonのパックマン再現を報じた記事によると、再現されたパックマンはプレイがうまくなりすぎて死なないために「パックマンは死ぬことがある」というルールを学習しなかったとのこと。同技術を現実世界の機械制御に応用する場合には、学ぶべきルールを学習したかどうかを検証する必要があるでしょう。

GANを使ってオープンワールドを構築

現代の大作RPGでは、オープンワールドと呼ばれるプレイヤーが自由に行動できる広大なマップが用意されていることが魅力のひとつとなっています。このオープンワールドの開発には、大規模なゲームスタジオであっても4〜5年を要するとも言われています。フリーランスのデータサイエンティストでありながらAI技術をゲーム開発に応用するアイデアについてMediumに投稿し続けているChintan Trivedi氏は、オープンワールド構築にGANを活用する試みに関する記事を投稿しました。

Trivedi氏が活用したのは、2018年にMITとNVIDIAの共同研究チームが発表したvid2vidというGANの派生技術です。この技術は、任意の動画を学習すると、その動画とそっくりな動画を生成できるというものです。同技術を使えば、用意した動画からオープンワールドの景観が生成できます。白紙の状態からオブジェクトを作り込んでオープンワールドを構築する方法と比較すると、同技術による景観の生成には多大な開発コスト削減が期待できそうです。

しかし、vid2vidの活用には大きな制約があります。オープンワールドでは時間の経過や天候の変化により、景観が暗くなったり晴れから雨に変わったりします。こうした景観の属性的な変化をvid2vidで再現しようとすると、属性ごとに学習する動画を用意しなければならないのです。こうしたvid2vidの制約を改善して開発された技術が、2019年にカリフォルニア大学バークレー校の研究者らによって発表されました。条件付き暗黙的最尤推定法(Conditional IMLE)と呼ばれる技術を使えば、単一の動画から属性の異なるそっくりな動画を生成できるのです。

Trivedi氏は、アクションゲーム『グランド・セフト・オートV』(2013年、ロックスター・ゲームス)から抽出した景観を学習データとして用意して条件付き暗黙的最尤推定法を使ってみたところ、予想通り同ゲームにそっくりな景観を昼夜の変化にいたるまで再現できました。こうして同技術を活用すれば、実写映像や過去のゲームの動画を流用して新たなオープンワールドが構築できることが実証されました。実証結果を受けて、10年以内にはAI技術を使ったオープンワールド開発が実用化されるだろう、と同氏は予想しています。

シェーディングもGANで実行

GANの活用事例はオープンワールド構築だけではありません。ゲームグラフィックデザイナーのYgor Rebouças Serpa氏は、ゲームキャラクター制作にGANを活用した自身の経験についてまとめた記事をMediumに投稿しました。同氏は2020年12月にリリース予定の2D格闘ゲーム『Trajes Fatais: Suits of Fate』(Onanim Studio)のキャラクター制作に関わっています。同ゲームは、レトロなピクセルアートで造形されたキャラクターが登場することが特徴となっています。このキャラクターの造形にGANを活用したのです。

ピクセルアートによる2Dキャラクターを制作するには、一般にデザイナーがラフなスケッチを描いた後に線で構成されたラインアートを作り、そのラインアートに立体的な陰影処理をほどこす「シェーディング」と細部に彩色する「リージョン」処理を行います。Serpa氏が関わった業務では、シェーディングとリージョン処理にGANを活用しました。使ったGANは、簡単な線画からリアルな彩色をほどこすことができるpix2pixです(pix2pixによる画像生成を確認できるデモページはこちら)。

シェーディングとリージョン処理のそれぞれにpix2pixを活用したところ、シェーディングに関しては人間のアーティストが彩色した場合と遜色のない出力結果が得られました。リージョン処理に関しては、複雑なデザインのキャラクターでは線からはみ出した色が目立ってしまい、実用には耐えられない結果となりました。

以上のような結果を受けてシェーディングにpix2pixを導入してキャラクター制作に導入したところ、人手でおこなった場合にはひとつのラインアートにつき平均して20~30分の作業時間を要するのに対して、同技術活用時には10~30分でした。従来ではラフスケッチからリージョン処理までに合計1時間かかっていたので10分の時間短縮、つまりは15%程度の作業効率化が実現したのでした。

pix2pixは2017年に発表された技術です。現在GANの派生技術に関する研究はさかんに行われているので、リージョン処理を人間と同等に実行できる技術は遠くない将来に現れるのではないか、とSerpa氏は予想しています。

以上のようにGANの派生技術を活用すると、ゲーム開発の効率化が期待できます。近い将来、ゲームエンジンやグラフィック制作ソフトにGAN関連技術が標準実装されるかも知れません。そうした技術は大作ゲームを制作する大規模スタジオと趣味でゲームを作るユーザの両方に恩恵をもたらすことでしょう。

Writer:吉本幸記

RELATED ARTICLE関連記事

CGへの扉 Vol.4:CG/VFX制作に欠かせなくなったマシーンラーニングの勘所

2019.7.16ゲーム

CGへの扉 Vol.4:CG/VFX制作に欠かせなくなったマシーンラーニングの勘...

ゲーム運営をディープラーニングでサポートするYOKOZUNA dataの全貌

2019.6.21ゲーム

ゲーム運営をディープラーニングでサポートするYOKOZUNA dataの全貌

eSports世界チャンピオンを下したOpenAI FiveはゲームAIに何をもたらすか?

2019.4.17ゲーム

eSports世界チャンピオンを下したOpenAI FiveはゲームAIに何をも...

RANKING注目の記事はこちら