शेअर करा

Roblox SIGGRAPH 2023 मध्ये 3D मोशन आणि रेंडरिंग संशोधन सादर करणार

लेखक मॉर्गन मॅकग्वायर, मुख्य शास्त्रज्ञ, रॉब्लॉक्स

प्रकाशित २५ जुलै, २०२३

आम्हाला ACM SIGGRAPH 2023 मध्ये आमच्या नवकल्पना सादर करताना अभिमान वाटतो, ही संगणक ग्राफिक्स आणि परस्परसंवादी तंत्रांसाठीची प्रमुख परिषद 6 ते 10 ऑगस्ट दरम्यान लॉस एंजेलिस येथे पार पडणार आहे. या कार्यक्रमादरम्यान, आमचे संशोधक सहा तांत्रिक पेपर सत्रे, दोन फ्रंटियर्स कार्यशाळा, दोन रिअल-टाइम लाईव्ह कार्यक्रम आणि एक पोस्टर सत्र यामध्ये सादरीकरण करतील. आमची टीम संपूर्ण परिषदेदरम्यान आमच्या बूथवर Roblox आणि आमच्या संशोधनावर चर्चा करण्यासाठी उपलब्ध असेल. आम्ही आमच्या कामाला अत्यंत निवडक तांत्रिक पेपर्स ट्रेलरमध्ये समाविष्ट केल्याबद्दल समितीचे आभारी आहोत.

Roblox Research आमच्या सामाजिक 3D प्लॅटफॉर्मसाठी तंत्रज्ञानाच्या मूलभूत विज्ञानाचा शोध घेतो, ज्याचा उद्देश आशावाद आणि सभ्यतेसह अब्जा लोकांना जोडणे आहे. आम्ही प्रथम तत्त्वे आणि कृत्रिम बुद्धिमत्ता (AI) तंत्रांच्या संयोजनाचा वापर करून 3D सामग्री निर्मिती, भौतिक सिम्युलेशन आणि रिअल-टाइम मॉडरेशनमध्ये प्रगती करतो. आमचे नवीनतम कार्य केसांना, कापडांना, वस्तूंना आणि परिसरांना हालचाली, धक्के आणि वाऱ्यावर जसे प्रत्यक्षात घडते तसंच प्रतिक्रिया देण्यास सक्षम करते. कारण आम्ही शेकडो दशलक्ष वापरकर्त्यांचा जागतिक प्लॅटफॉर्म समर्थित करतो, त्यामुळे प्रत्येक पैलू क्लायंट आणि सर्व्हर-दोन्ही बाजूंवर प्रमाणित स्वरूपात कार्य करणे आवश्यक आहे आणि जुने फोन ते नवीनतम AR/VR हेडसेटपर्यंत कोणत्याही उपकरणाला समर्थन देणे गरजेचे आहे. खाली आम्ही सादर करणार असलेल्या कामाबद्दल अधिक वाचा, आणि SIGGRAPH मध्ये आम्हाला कुठे भेटायचे याचे वेळापत्रक पहा.

ऑप्टिमाइझ्ड रेंडरिंग

3D जग अधिक वास्तववादी होत गेल्यामुळे, संरचना आणि भूभाग अधिकाधिक गुंतागुंतीचे होत आहेत. या गुंतागुंतीच्या वातावरणाचे रेंडरिंग करण्यासाठी लाटा उमटणाऱ्या किंवा वाकलेल्या कापडांसारख्या वास्तविक-जगातील परिणामांसाठी, असमतोल भूभागासाठी इत्यादी उपाय आवश्यक आहेत. त्यांच्या 'Intrinsic Error Metrics वापरून पृष्ठभाग साधीकरण' (Surface Simplification Using Intrinsic Error Metrics) या सादरीकरणात, Roblox चे संशोधक ह्सुए-टी डेरेक लियू आणि कार्नेगी मेलन विद्यापीठ व टोरोंटो विद्यापीठातील त्यांच्या सहकाऱ्यांनी अंतर्निहित त्रिकोणीकरणाला (intrinsic triangulations) साधे करण्याची एक पद्धत सुचवली आहे. क्लासिक मेष साधीकरण रेंडरिंगच्या उद्देशाने वस्तूच्या स्वरूपाचे संरक्षण करते, परंतु जर उद्दिष्ट सिम्युलेशन असेल, जिथे वस्तू वाकवल्या, वळवल्या किंवा गुंडाळल्या जाऊ शकतात, तर काय? ही पद्धत अंतर्निहित त्रिकोणाकरणाच्या अत्यंत मोठ्या अवकाशात शोध घेऊन सिम्युलेशनसाठी मेष साधी करते, ज्यामुळे जिओडेशिक अंतर मोजण्यासारख्या सामान्य कार्यांवर 1,000 पट पेक्षा जास्त वेगवान निकाल मिळतात. ही नवीन पद्धत सिम्युलेशनसाठी अधिक तपशीलवार पातळी साध्य करण्यात योगदान देऊ शकते.

लियू जॉर्ज मेसन युनिव्हर्सिटी, टोरोंटो युनिव्हर्सिटी आणि वॉटरलू युनिव्हर्सिटीमधील सहकाऱ्यांच्या सहकार्याने 'डिफरेंशिएबल हाइटफील्ड पाथ ट्रेसिंग' या विषयावरील काम देखील सादर करतील. यामुळे एआय प्रशिक्षण अनुप्रयोगांसाठी भूभाग, सावली आणि 3D वस्तूंचे जलद, वास्तववादी रेंडरिंग शक्य होते. हा दृष्टिकोन बहुतेक विद्यमान 3D मेष डिफरेंशियल रेंडरर्सपेक्षा अनेक पट वेगवान, रिअल-टाइम फ्रेम दर साध्य करतो. हे इंटरॅक्टिव्ह इन्व्हर्स रेंडरिंग अनुप्रयोगांसाठी शक्यता उघडते, ज्यात आमच्या जनरेटिव्ह AI आणि मॉडरेशन AI साधनांच्या भविष्यातील आवृत्त्यांचा समावेश आहे. संशोधकांनी हे तंत्र भूभाग अनुकूलन (terrain optimization) आणि मजकूर-आधारित आकार निर्मिती (text-based shape generation) यांसारख्या अनेक इंटरॅक्टिव्ह कार्यांसह दाखवले आहे.

अवतार आणि त्यापलीकडील वास्तववादी हालचाल

मानवी हालचाल जटिल आणि अत्यंत विविध असते. आमचे उद्दिष्ट म्हणजे आभासी वातावरणात वास्तववाद आणि अभिव्यक्तीसाठी त्याची अचूक पुनरुत्पादन करणे, जे एक मोठे आव्हान आहे. उदाहरणार्थ, मल्टीटास्किंग किंवा विविध वर्तनांना अखंडपणे एकत्र करणे हे मानवीजनांचे कौशल्य आहे. पारंपारिक संगणक ग्राफिक्स चालणे किंवा फेकणे यांसारख्या एकल वर्तनावर लक्ष केंद्रित करते आणि त्यासाठी स्पष्टपणे तयार केलेल्या संयुक्त वर्तनाची आवश्यकता असते.

त्यांच्या पेपरमध्ये, 'Composite Motion Learning with Task Control', Roblox चे संशोधक व्हिक्टर झोर्डन आणि पेई झू, क्लेम्सन विद्यापीठ आणि कॅलिफोर्निया विद्यापीठ, मर्सिड येथील सहकाऱ्यांसह, मल्टटास्क मोशन नियंत्रणासाठी एक नवीन रिइन्फोर्समेंट लर्निंग पद्धत मांडतात. हे संशोधन भौतिकदृष्ट्या सिम्युलेट केलेल्या पात्रांसाठी जटिल टास्क-चालित मोशन नियंत्रणासाठी एक रिइन्फोर्समेंट लर्निंग पद्धत सुचवते. या बहुउद्देशीय-नियंत्रण पद्धतीसह, पात्रे चालत असताना जुगलबंदी करण्यासारख्या संयुक्त बहुकार्य हालचाली करू शकतात. ते स्पष्ट संदर्भ हालचाल उदाहरणांशिवाय इतर अनेक क्रियाकलाप देखील एकत्र करू शकतात. ही पद्धत विद्यमान नियंत्रकांचा पुनर्वापर करून नमुना-कार्यक्षम प्रशिक्षणाला देखील समर्थन देते.

अनुकरण केशशैली इमर्सिव्ह 3D वातावरणात आणखी एक गतिशील आव्हान निर्माण करतात. तिथे, काळजीपूर्वक डिझाइन आणि स्टाइल केलेल्या केश मॉडेल्स त्यांच्या स्वतःच्या वजनाखाली लगेचच कोलमडू शकतात, गुरुत्वाकर्षणाच्या ओढ्यामुळे त्यांच्या इच्छित आकारांना टिकवू शकत नाहीत. Roblox संशोधक Cem Yuksel आणि LightSpeed Studios मधील सहकाऱ्यांनी सादर केलेल्या Strand-based Hybrid Hair Simulation साठी Sag-free Initialization मध्ये स्ट्रँड-आधारित केश प्रणालींसाठी नवीन आरंभ फ्रेमवर्क प्रस्तावित केला आहे. हे कार्य गुरुत्वाकर्षण आणि इतर बाह्य शक्तींसह केसांच्या आकार टिकवण्यासाठी आवश्यक अंतर्गत शक्तींचे समाधान करून लटकणे दूर करते. हे केसांच्या गतिकेला अनावश्यक कडक न करता आणि धागा-स्तरीय धडक्यांचा विचार करून साध्य केले जाते. या पेपरला सर्वोत्कृष्ट पेपर्स सन्माननीय उल्लेख देखील देण्यात आला.

Roblox हे सिम्युलेशन-आधारित 3D प्लॅटफॉर्म आहे, ज्यात वस्तूंमधील आणि अवतारसोबतच्या प्राथमिक परस्परसंवादाचे नियमन स्पष्ट कोडऐवजी प्रथम तत्त्वांच्या भौतिकशास्त्राद्वारे केले जाते. या वर्षी वस्तू सिम्युलेशनमधील विविध प्रगतींवर आम्ही दोन नवीन निष्कर्ष सादर करत आहोत.

UCLA, युटा विद्यापीठ आणि Adobe Research येथील सहकाऱ्यांसह, युक्सेल 'मल्टी-लेयर थिक शेल' सादर करणार आहेत, ज्यात चामड्याचे कपडे, उशी, चटई आणि धातूच्या पत्र्यांसारख्या पदार्थांसाठी जाडी-जागरूक सिम्युलेशन करण्याची नवीन पद्धत सुचवली आहे. ही पद्धत शीअर लॉकिंग टाळते, सूक्ष्म सुरकुत्यांचे तपशील कार्यक्षमतेने टिपते आणि विविध संरचनांच्या जलद, उच्च-गुणवत्तेच्या, जाडी-जागरूक सिम्युलेशनसाठी मार्ग मोकळा करते.

अनुकरणांमध्ये आणखी एक हालचालीची आव्हाने तेव्हा उद्भवते जेव्हा वस्तू धडकतात आणि वेगळ्या होतात. वास्तविक जगात, वस्तू सामान्यतः धडकल्यानंतर पुन्हा वेगळ्या होऊ शकतात — तरीही दोन स्वतंत्र आकारांच्या रूपात. युक्सेल, युटा विद्यापीठातील सहकाऱ्यांसह, दिलेल्या अंतर्गत बिंदूपासून आंतरित जाळींसाठी सीमारेषेपर्यंतचा सर्वात लहान मार्ग कार्यक्षमतेने मोजण्याच्या पद्धतीचे सादरीकरण करतील. हे विकृत होणार्‍या आयतनमय वस्तूंचे अनुकरण करताना धडक आणि स्व-धडक हाताळण्यासाठी जलद आणि मजबूत उपाय प्रदान करते. यामुळे कार्यक्षम तंत्रांचा वापर करून अत्यंत आव्हानात्मक स्व-टक्कर परिस्थितींचे अनुकरण करता येते. याचे एक उदाहरण म्हणजे XPBD, जे टक्कर निराकरणाबाबत कोणतीही हमी देत नाही, तर महागड्या संगणकीय अनुकरण पद्धती जवळजवळ टक्करमुक्त स्थिती राखण्यास भाग पाडतात.

परस्परसंवादी कार्यक्रम

Roblox प्लॅटफॉर्मवरील सर्व काही परस्परसंवादी आणि रिअल-टाइममध्ये आहे. आमच्या नवीन प्रगतीचा अनुभव घेण्याचा सर्वोत्तम मार्ग म्हणजे थेट डेमो आणि आमच्या रिअल-टाइम लाईव्ह सत्रांद्वारे त्या प्रत्यक्ष कार्यात पाहणे. Roblox Generative AI in Action मध्ये, संशोधक Brent Vincent आणि Kartik Ayyar हे दाखवतील की कसे निर्माते नैसर्गिक भाषा आणि हेतूच्या इतर अभिव्यक्तींचा वापर करून जटिल मॉडेलिंग किंवा कोडिंगशिवाय परस्परसंवादी वस्तू आणि दृश्ये तयार करू शकतात. 'AI 3D-प्रिंटेड पात्र असलेली मध्यस्थ वास्तविकता' या कार्यक्रमात, Roblox चे केनी मिशेल आणि 3Finery Ltd चे ल्लोगारी कासास कॅम्ब्रा एक AI मॉडेल सादर करतील जे थेट भाषण ओळखते आणि 3D-प्रिंटेड पात्राच्या रूपात प्रतिसाद तयार करते — ऑडिओशी समक्रमितपणे पात्राच्या वैशिष्ट्यांना सजीव करते.

फ्रंटियर वर्कशॉप्स येथे पॅनेलवरही Roblox चे शास्त्रज्ञ बोलणार आहेत. 'बीयॉन्ड आयआरएल: 3D इंटरॅक्टिव्ह सोशल मीडिया कशी बदलत आहे आपली परस्परसंवाद, अभिव्यक्ती आणि विचार करण्याची पद्धत' या सत्रात, Roblox चे शास्त्रज्ञ लॉरेन चीथम आणि कॅरिसा कांग डोमेन तज्ञ, सामाजिक शास्त्रज्ञ आणि वर्तन संशोधकांसोबत सामील होऊन चर्चा करतील की इमर्सिव्ह आभासी वातावरण कसे वृत्ती आणि वर्तन घडवण्यास मदत करू शकते, ओळख शोधण्यात कशी मदत करते, आणि तरुण पिढ्यांना त्यांच्या वास्तविक जगातही लागू होऊ शकतील असे निरोगी सीमा निर्माण करण्यात कशी मदत करते. 'Expressive Avatar Interactions for Co-experiences Online' या कार्यक्रमात, Roblox शास्त्रज्ञ Ian Sachs, Vivek Virma, Sean Palmer, Tom Sanocki आणि Kenny Mitchell हे इतर तज्ञांसह दूरस्थ परस्परसंवाद आणि अभिव्यक्त संवादासाठी मोठ्या जागतिक समुदायासाठी अनुभव तैनात करताना आलेल्या आव्हानांबद्दल आणि शिकलेल्या धडय़ांबद्दल चर्चा करतील.

एड्रियन झुआन वेई लिम 'रिव्हर्स प्रोजेक्शन: रिअल-टाइम लोकल स्पेस टेक्सचर मॅपिंग' सादर करण्यासाठी एक पोस्टर सत्र आयोजित करतील, ही खेळांमध्ये वापरण्यासाठी डिझाइन केलेली एक नवीन प्रोजेक्टिव्ह तंत्र आहे जी रिअल-टाइममध्ये थेट 3D वस्तूच्या टेक्सचरवर एक डिकॅल रंगवते. स्थानिक स्पेस टेक्सचरमध्ये गणना केलेल्या आणि बाहेरच्या दिशेने पाहणाऱ्या प्रोजेक्शन तंत्रांचा वापर करून, कमी दर्जाच्या अँड्रॉइड डिव्हाइसपासून ते उच्च-श्रेणीच्या गेमिंग डेस्कटॉपपर्यंत काहीही वापरणारे निर्माते त्यांच्या मालमत्तेचे वैयक्तिकरण अनुभवू शकतात. ही प्रस्तावित पाइपलाइन मॉडेल पेंटिंगच्या गती आणि बहुमुखीतेत सुधारणा करण्याच्या दिशेतील एक पाऊल ठरू शकते.

Roblox Research टीम SIGGRAPH 2023 मध्ये सादर करणारे सर्व पेपर्स येथे पहा. खाली सूचीबद्ध आमच्या बूथ आणि सत्रांना भेट द्या. आम्हाला तुम्हाला प्रत्यक्ष भेटण्याची अपेक्षा आहे!

रविवार, ६ ऑगस्ट