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への扉安藤幸央GANニューラルネットワーク強化学習月刊エンタメAIニュースモリカトロンAIラボインタビュー音楽三宅陽一郎QAOpenAI敵対的生成ネットワークCEDEC2019シナリオFacebookデバッグスクウェア・エニックスNVIDIADeepMind人工知能学会CEDEC2020ゲームAI映画遺伝的アルゴリズム不完全情報ゲーム深層学習ルールベースAIと倫理ビヘイビア・ツリーGoogleSIGGRAPHGDC 2019VRキャラクターAIボードゲーム畳み込みニューラルネットワークロボットグーグルプロシージャルVFXメタAIファッションマイクロソフトStyleGAN自動生成JSAI2020CNNイベントレポートモリカトロンマルチエージェントナビゲーションAI森川幸人水野勇太ガイスターCLIP自然言語処理アート河合律子toioHTN階層型タスクネットワークスポーツTensorFlowGDC SummerゲームプレイAIeSportsBLUE PROTOCOL小説DALL-EAlphaZeroカメラ環世界中島秀之懐ゲーから辿るゲームAI技術史JSAI2021研究ディープフェイクDARPAドローンAI美空ひばり手塚治虫汎用人工知能GPT-3メタデータ通しプレイOpenAI Five本間翔太CM倫理ピクサーAdobe作曲中嶋謙互Amadeus CodeMicrosoftMicrosoft Azureキャリアテストプレイeスポーツ音声認識PyTorchDQN眞鍋和子バンダイナムコスタジオシーマンUnity齊藤陽介マインクラフトお知らせAIアートサルでもわかる人工知能VAEアニメーションワークショップGenvid Technologies知識表現IGDANPCどうぶつしょうぎジェイ・コウガミ音楽ストリーミングStyleGAN2マシンラーニングクラウドコンピューティショナル・フォトグラフィー完全情報ゲーム坂本洋典釜屋憲彦藤澤仁生物学画像認識NFT長谷洋平鴫原盛之masumi toyota宮路洋一SIGGRAPH ASIA吉本幸記ソニーフェイクニュースシムピープルGPUALife人工生命オルタナティヴ・マシンサウンドスケープASBSマンガぱいどんTEZUKA2020松井俊浩Electronic ArtsマーケティングApex LegendsNinjaゲームTENTUPLAYMARVEL Future Fightタイムラプスバスキアブロックチェーン階層型強化学習WANN竹内将馬淵浩希岡島学映像セリア・ホデントUX認知科学ゲームデザインLUMINOUS ENGINELuminous Productionsパターン・ランゲージちょまどビッグデータアストロノーカ模倣学習ナラティブFPSマルコフ決定過程スタンフォード大学パラメータ設計テニスバランス調整レコメンドシステム対話型エージェント協調フィルタリング人狼知能Amazon軍事AlphaDogfight TrialsエージェントシミュレーションStarCraft IIFuture of Life InstituteIntelロボティクスLAIKARotomationドラゴンクエストライバルズ不確定ゲームDota 2モンテカルロ木探索ソーシャルゲームEmbeddingGTC2020NVIDIA MAXINE淡路滋ビデオ会議グリムノーツゴティエ・ボエダGautier Boeda階層的クラスタリングaiboJuliusSIETPRGバーチャル・ヒューマン・エージェントtoio SDK for Unityクーガー田中章愛石井敦銭起揚茂谷保伯MinecraftGDMC成沢理恵MITメディアラボ著作権マジック・リープMagic Leap OneMagendaノンファンジブルトークンDDSPサッカー里井大輝KaggleバスケットボールAssassin’s Creed OriginsSea of ThievesGEMS COMPANYmonoAI technologyアバター初音ミクOculus転移学習テストBaldur's Gate 3Candy Crush SagaSIGGRAPH ASIA 2020デバッギングBigGANMaterialGANリップシンキングRNNUbisoftReBeLUbisoft La Forge自動運転車VolvoRival Prakウォッチドッグス レギオンユービーアイソフト北尾まどかHALO将棋メタルギアソリッドVFSMナップサック問題汎用言語モデルSpotifyMITReplica StudioamuseChitrakar巡回セールスマン問題ジョルダン曲線5GMuZeroクラウドゲーミングRival Peak和田洋一リアリティ番組Stadiaジョンソン裕子MILEs対話エンジンインタラクティブ・ストリーミング斎藤由多加インタラクティブ・メディアリトル・コンピュータ・ピープルシーマン人工知能研究所Ludoゴブレット・ゴブラーズTransformerSIGGRAPH 2019ArtEmis絵画ARGPT-2GROVERFAIRAIりんなチート検出オンラインカジノアップルRealFlowiPhoneシミュレーションDeep FluidsMeInGameAIGraphブレイン・コンピュータ・インタフェースBCILearning from Video予期知能ウェイポイントユクスキュルパス検索カント哲学ドラゴンクエストエージェントアーキテクチャPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者アルスエレクトロニカ2019StyleCLIPDeNAStyleRig逆転オセロニア奥村エルネスト純いただきストリート齋藤精一大森田不可止高橋智隆ロボユニザナック泉幸典仁井谷正充ロボコレ2019ぎゅわんぶらあ自己中心派Azure Machine Learning意思決定モデル脱出ゲームHybrid Reward ArchitectureウロチョロスSuper Phoenix理化学研究所Project Malmo教育TextWorldProject PaidiaProject LookoutWatch ForBingLEFT ALIVE長谷川誠ジミ・ヘンドリックスBaby Xカート・コバーンロバート・ダウニー・Jr.エイミー・ワインハウスMagentaYouTubeダフト・パンクSFGlenn MarshallThe Age of A.I.Story2HallucinationレコメンデーションJukeboxGTC2021CycleGANテンセントSIFTDCGANMOBADANNCE人事ハーバード大学研修デューク大学mynet.aiローグライクゲームNetHack人工音声NeurIPS 2021はこだて未来大学プレイ動画ヒップホップサイレント映画NBA環境音現代アートエージェント粒子群最適化法進化差分法群知能下川大樹ウィル・ライト高津芳希シムシティ大石真史BEiTレベルデザインDETRSporeデノイズ画像処理CPUGMAITRPG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スパーシャルAIGameGANパックマンソサエティ5.0SIGGRAPH 2020DIB-R3D広告

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

AI時代の死生観とアイデンティティはどこへ向かうのか?:藤澤仁氏×森川幸人氏対談(後編)

2019.10.11ゲーム

AI時代の死生観とアイデンティティはどこへ向かうのか?:藤澤仁氏×森川幸人氏対談...

三宅陽一郎が語る、ウィル・ライトとシムシティの思想:懐ゲーから辿るゲームAI技術史vol.1

2020.3.06ゲーム

三宅陽一郎が語る、ウィル・ライトとシムシティの思想:懐ゲーから辿るゲームAI技術...

【CEDEC2020】柔軟な自動化を実現したLUMINOUS ENGINEはどのように進化したのか

2020.9.17ゲーム

【CEDEC2020】柔軟な自動化を実現したLUMINOUS ENGINEはどの...

RANKING注目の記事はこちら