Els jugadors de bàsquet necessiten molta pràctica abans de dominar el driblatge, i resulta que això és cert també per als jugadors animats per ordinador. Mitjançant l'aprenentatge, els jugadors dels videojocs de bàsquet poden obtenir informació de les dades de captura de moviment per afinar les seves habilitats de regateig.
Investigadors de la Carnegie Mellon University i DeepMotion Inc., una companyia de Califòrnia que desenvolupa avatars intel·ligents, han desenvolupat per primera vegada un mètode basat en la física i en temps real per controlar personatges animats que poden aprendre habilitats de regateig de l'experiència. En aquest cas, el sistema aprèn de la captura dels moviments realitzats per persones.
Aquest procés d'aprenentatge de prova i error triga molt, requereix milions d'assaigs, però els resultats són moviments que estan estretament coordinats amb un moviment de pilota físicament plausible. Els jugadors aprenen a driblar entre les seves cames, passar per darrere de les seves esquenes i fer moviments creuats, així com a passar d'una habilitat a una altra.
Una vegada que les habilitats s'aprenen, els nous moviments es poden simular molt més ràpid que en temps real, segons Jessica Hodgins, professora d'informàtica i robòtica de Carnegie Mellon. Hodgins i Libin Liu, científic cap de DeepMotion, va presentar el mètode de SIGGRAPH 2018, a la Jornada sobre Informàtica Gràfica i Tècniques Interactives, del 12 al 18 d'agost, a Vancouver.
Aquesta investigació obre la porta per simular esports amb avatars virtuals qualificats. La tecnologia es pot aplicar més enllà de la simulació esportiva per crear més personatges interactius per al joc, l'animació, l'anàlisi del moviment i, en el futur, la robòtica. Les dades de captura de moviment ja afegeixen realisme als videojocs d'última generació. Però aquests jocs també inclouen artefactes desconcertants, com pilotes que segueixen trajectòries impossibles o que semblen adherir-se a la mà d'un jugador.
Un mètode basat en la física té el potencial de crear jocs més realistes, però aconseguir els detalls més subtils és difícil. Això és especialment el que cal per regatejar en el bàsquet perquè el contacte del jugador amb la pilota és breu i la posició del dit és fonamental. Alguns detalls, com la forma en què una bola pot seguir girant breument quan fa contacte amb les mans del jugador, són difícils de reproduir. Un cop alliberada la pilota, el jugador ha d'anticipar quan i on tornarà la pilota.
Les dades de captura de moviment utilitzades com a entrada eren persones que feien coses com ara girar la pilota al voltant de la cintura, driblar mentre corria i botar al lloc amb la mà dreta i al mateix temps canviar de mà. Aquestes dades de captura no inclouen el moviment de la bola ja que és difícil de registrar amb precisió. En lloc d'això, van utilitzar l'optimització de la trajectòria per calcular els camins més probables de la bola per a un moviment donat de la mà.
El programa va aprendre les habilitats en dues etapes: primer va dominar la locomoció i després va aprendre a controlar els braços i les mans i, a través d'ells, el moviment de la pilota. Aquest enfocament desacoblat és suficient per a accions com ara el regateig o potser el malabarisme, on la interacció entre el personatge i l'objecte no té efecte en el balanç del personatge.
Font: Universitat Carnegie Mellon 
