แชร์

Roblox เตรียมนำเสนอผลงานวิจัยด้านภาพเคลื่อนไหวและกราฟิก 3 มิติที่งาน SIGGRAPH 2023

โดย มอร์แกน แมคไกวร์, หัวหน้านักวิทยาศาสตร์, Roblox

เผยแพร่ 25 ก.ค. 2566

เราภูมิใจที่จะแบ่งปันนวัตกรรมของเราที่งาน ACM SIGGRAPH 2023 งานประชุมชั้นนำด้านกราฟิกคอมพิวเตอร์และเทคนิคเชิงโต้ตอบ ซึ่งจะจัดขึ้นในวันที่ 6-10 สิงหาคม ณ ลอสแอนเจลิส ในระหว่างงาน นักวิจัยของเราจะนำเสนอในหกเซสชันบทความทางเทคนิค สองเวิร์กช็อปแนวหน้า สองกิจกรรม Real-Time Live และเซสชันโปสเตอร์ ทีมงานของเราจะพร้อมให้บริการตลอดงานประชุมเพื่อพูดคุยเกี่ยวกับ Roblox และการวิจัยของเราที่บูธของเรา เราขอขอบคุณคณะกรรมการเป็นอย่างยิ่งที่ได้คัดเลือกผลงานของเราให้ปรากฏในตัวอย่างบทความทางเทคนิคซึ่งมีการคัดเลือกอย่างเข้มงวด

Roblox Research มุ่งมั่นในการวิจัยวิทยาศาสตร์พื้นฐานด้านเทคโนโลยีสำหรับแพลตฟอร์ม 3 มิติทางสังคมของเรา โดยมีเป้าหมายเพื่อเชื่อมโยงผู้คนหนึ่งพันล้านคนด้วยความหวังและความมีน้ำใจ เราพัฒนาการสร้างเนื้อหา 3 มิติ การจำลองทางกายภาพ และการตรวจสอบเนื้อหาแบบเรียลไทม์ โดยใช้หลักการพื้นฐานและเทคนิคปัญญาประดิษฐ์ (AI) ร่วมกัน ผลงานใหม่ล่าสุดของเราช่วยให้เส้นผม ผ้า วัตถุ และภูมิทัศน์สามารถตอบสนองต่อการเคลื่อนไหว การชน และลมได้เหมือนกับที่เกิดขึ้นในโลกจริง เนื่องจากเราสนับสนุนแพลตฟอร์มระดับโลกที่มีผู้ใช้หลายร้อยล้านคน ทุกองค์ประกอบจึงต้องสามารถปรับขนาดได้ทั้งฝั่งไคลเอนต์และเซิร์ฟเวอร์ รวมถึงรองรับอุปกรณ์ทุกประเภท ตั้งแต่โทรศัพท์รุ่นเก่าไปจนถึงชุดหูฟัง AR/VR รุ่นล่าสุด อ่านเพิ่มเติมเกี่ยวกับผลงานที่เราจะนำเสนอด้านล่าง และดูตารางเวลาเพื่อติดตามเราที่งาน SIGGRAPH

การเรนเดอร์ที่ได้รับการปรับแต่งให้เหมาะสม

เมื่อโลก 3 มิติมีความสมจริงมากขึ้น โครงสร้างและภูมิประเทศก็มีความซับซ้อนมากขึ้นตามไปด้วย การสร้างภาพสภาพแวดล้อมที่ซับซ้อนเหล่านี้จำเป็นต้องมีวิธีแก้ปัญหาสำหรับเอฟเฟกต์ในโลกจริง เช่น ผ้าที่พลิ้วไหวหรือบิดเบี้ยว ภูมิประเทศที่ไม่เรียบ เป็นต้น ในการนำเสนอหัวข้อ "การทำให้พื้นผิวเรียบง่ายโดยใช้ตัวชี้วัดความผิดพลาดภายใน" นักวิจัยจาก Roblox ชื่อ Hsueh-Ti Derek Liu และเพื่อนร่วมงานจากมหาวิทยาลัย Carnegie Mellon และมหาวิทยาลัย Toronto ได้เสนอวิธีการทำให้การแบ่งสามเหลี่ยมภายในง่ายขึ้น การทำให้ตาข่ายแบบคลาสสิกเรียบง่ายช่วยรักษาลักษณะของวัตถุไว้เพื่อการเรนเดอร์ แต่หากเป้าหมายคือการจำลอง ซึ่งวัตถุสามารถบิด งอ หรือพับได้ล่ะ? วิธีนี้จะทำให้ตาข่ายเรียบง่ายเพื่อการจำลองโดยสำรวจพื้นที่ของการแบ่งสามเหลี่ยมภายในที่กว้างใหญ่กว่ามาก ซึ่งนำไปสู่ผลลัพธ์ที่เร็วกว่ากว่า 1,000 เท่าในงานทั่วไป เช่น การคำนวณระยะทางจีโอเดสิก วิธีใหม่นี้อาจช่วยเพิ่มระดับของรายละเอียดสำหรับการจำลองได้มากขึ้น

Liu จะนำเสนอผลงานเกี่ยวกับการติดตามเส้นทางในฟีลด์ความสูงที่แตกต่างได้ (Differentiable Heightfield Path Tracing) ร่วมกับเพื่อนร่วมงานจากมหาวิทยาลัยจอร์จ เมสัน มหาวิทยาลัยโตรอนโต และมหาวิทยาลัยวอเตอร์ลู ผลงานนี้ช่วยให้สามารถสร้างภาพที่รวดเร็ว สมจริงของภูมิประเทศ เงา และวัตถุ 3 มิติ สำหรับการฝึกอบรม AI ได้ แนวทางนี้สามารถบรรลุอัตราการแสดงผลแบบเรียลไทม์ ซึ่งเร็วกว่าตัวเรนเดอร์ดิฟเฟอเรนเชียลของเมช 3 มิติที่มีอยู่ทั่วไปหลายระดับชั้น มันเปิดโอกาสให้กับการประยุกต์ใช้การเรนเดอร์ย้อนกลับแบบโต้ตอบ รวมถึงเวอร์ชันในอนาคตของเครื่องมือ AI สร้างสรรค์และ AI ตรวจสอบของเรา นักวิจัยได้สาธิตวิธีการนี้กับงานโต้ตอบหลายประเภท เช่น การปรับแต่งภูมิประเทศและการสร้างรูปร่างจากข้อความ

การเคลื่อนไหวที่สมจริงสำหรับอวตารและอื่นๆ

การเคลื่อนไหวของมนุษย์นั้นซับซ้อนและหลากหลายอย่างมาก วัตถุประสงค์ของเราคือการจำลองการเคลื่อนไหวนี้อย่างถูกต้องทุกประการเพื่อความสมจริงและความสามารถในการสื่อสารในสภาพแวดล้อมเสมือนจริง ซึ่งเป็นความท้าทายที่ยิ่งใหญ่ การทำหลายอย่างพร้อมกัน หรือการผสานพฤติกรรมต่าง ๆ ให้เป็นไปอย่างราบรื่น ตัวอย่างเช่น เป็นสิ่งที่มนุษย์สามารถทำได้เป็นอย่างดี กราฟิกคอมพิวเตอร์แบบดั้งเดิมมุ่งเน้นไปที่พฤติกรรมเดียว เช่น การเดินหรือการโยน และต้องการให้พฤติกรรมที่ผสานกันถูกสร้างขึ้นอย่างชัดเจน

ในบทความของพวกเขา "การเรียนรู้การเคลื่อนไหวแบบผสมผสานด้วยการควบคุมภารกิจ" นักวิจัยจาก Roblox ได้แก่ Victor Zordan และ Pei Xu ร่วมกับเพื่อนร่วมงานจากมหาวิทยาลัย Clemson และมหาวิทยาลัยแคลิฟอร์เนีย เมอร์เซด ได้นำเสนอแนวทางใหม่ในการเรียนรู้แบบเสริมแรงสำหรับการควบคุมการเคลื่อนไหวแบบหลายภารกิจ งานวิจัยนี้เสนอแนวทางในการเรียนรู้แบบเสริมแรงสำหรับการควบคุมการเคลื่อนไหวที่ขับเคลื่อนด้วยภารกิจที่ซับซ้อนสำหรับตัวละครที่จำลองทางกายภาพ ด้วยวิธีการควบคุมแบบหลายวัตถุประสงค์นี้ ตัวละครสามารถทำการเคลื่อนไหวแบบหลายภารกิจพร้อมกันได้ เช่น การโยนของหลายลูกขณะเดิน พวกมันยังสามารถรวมกิจกรรมที่หลากหลายอื่นๆ โดยไม่ต้องอ้างอิงตัวอย่างการเคลื่อนไหวของพฤติกรรมที่รวมกันไว้อย่างชัดเจน วิธีการนี้ยังสนับสนุนการฝึกอบรมที่มีประสิทธิภาพในการใช้ตัวอย่างโดยการใช้ตัวควบคุมที่มีอยู่ซ้ำ

ทรงผมจำลองเป็นอีกหนึ่งความท้าทายด้านการเคลื่อนไหวในสภาพแวดล้อม 3 มิติแบบสมจริง ทรงผมที่ออกแบบและจัดแต่งอย่างพิถีพิถันอาจพังทลายลงทันทีเนื่องจากน้ำหนักของมันเอง ไม่สามารถคงรูปทรงที่ต้องการไว้ได้เมื่อเผชิญกับแรงโน้มถ่วง การเริ่มต้นแบบไร้การหย่อนสำหรับการจำลองผมแบบไฮบริดที่ใช้เส้นใย (Sag-free Initialization for Strand-based Hybrid Hair Simulation) ซึ่งนำเสนอโดย Cem Yuksel นักวิจัยจาก Roblox และเพื่อนร่วมงานจาก LightSpeed Studios ได้นำเสนอแนวทางใหม่ในการเริ่มต้นระบบผมที่ใช้เส้นใย งานวิจัยนี้ขจัดปัญหาการหย่อนยานโดยการแก้ปัญหาแรงภายในที่เส้นผมต้องแสดงออกเพื่อรักษารูปทรงของมันภายใต้แรงโน้มถ่วงและแรงภายนอกอื่นๆ สิ่งนี้สำเร็จได้โดยไม่ทำให้พลวัตของเส้นผมแข็งตัวโดยไม่จำเป็น และโดยการพิจารณาการชนในระดับเส้นใย บทความนี้ยังได้รับรางวัลชมเชยยอดเยี่ยมสำหรับบทความอีกด้วย

Roblox เป็นแพลตฟอร์ม 3 มิติที่อิงกับการจำลอง ซึ่งปฏิสัมพันธ์หลักระหว่างวัตถุและกับอวตารถูกควบคุมโดยหลักฟิสิกส์พื้นฐานแทนที่จะเป็นโค้ดที่ชัดเจน ในปีนี้เราจะนำเสนอผลลัพธ์ใหม่สองประการเกี่ยวกับความก้าวหน้าในด้านการจำลองวัตถุที่แตกต่างกัน

ร่วมกับเพื่อนร่วมงานจาก UCLA, มหาวิทยาลัยยูทาห์ และ Adobe Research, Yuksel จะนำเสนอ Multi-layer Thick Shells ซึ่งเสนอแนวทางใหม่ในการอนุญาตให้มีการจำลองที่คำนึงถึงความหนาสำหรับวัสดุเช่น เสื้อหนัง, หมอน, เสื่อ, และแผ่นโลหะ แนวทางนี้หลีกเลี่ยงการล็อกแรงเฉือนและจับรายละเอียดการยับละเอียดได้อย่างมีประสิทธิภาพ และเปิดประตูสู่การจำลองที่รวดเร็ว คุณภาพสูง และคำนึงถึงความหนาของโครงสร้างหลากหลายประเภท

อีกหนึ่งความท้าทายในการเคลื่อนไหวของการจำลองคือเมื่อวัตถุชนกันและแยกออกจากกัน ในโลกแห่งความเป็นจริง วัตถุโดยทั่วไปสามารถชนกันและแยกออกจากกันได้อีกครั้ง — ยังคงเป็นรูปร่างที่แยกจากกัน Yuksel ร่วมกับเพื่อนร่วมงานจากมหาวิทยาลัยยูทาห์ จะนำเสนอวิธีการคำนวณเส้นทางที่สั้นที่สุดไปยังขอบเขตสำหรับตาข่ายที่ตัดกันจากจุดภายในที่กำหนดอย่างมีประสิทธิภาพ มันเสนอวิธีแก้ปัญหาที่รวดเร็วและแข็งแกร่งสำหรับการจัดการการชนและการชนกันเองในขณะที่จำลองวัตถุปริมาตรที่สามารถเปลี่ยนรูปได้ สิ่งนี้ช่วยให้สามารถจำลองสถานการณ์การชนกันเองที่ท้าทายอย่างยิ่งโดยใช้เทคนิคที่มีประสิทธิภาพ ตัวอย่างเช่น XPBD ซึ่งไม่มีการรับประกันในการแก้ไขการชนกัน ต่างจากวิธีการจำลองที่ใช้ทรัพยากรการคำนวณสูงซึ่งต้องรักษาสถานะที่ปราศจากการชนกันเกือบตลอดเวลา

กิจกรรมเชิงโต้ตอบ

ทุกสิ่งทุกอย่างบนแพลตฟอร์ม Roblox สามารถโต้ตอบได้และเกิดขึ้นในเวลาจริง วิธีที่ดีที่สุดในการสัมผัสประสบการณ์ความก้าวหน้าใหม่ของเราคือการเห็นการทำงานจริงผ่านการสาธิตสดและเซสชัน Real-Time Live ของเรา ที่ Roblox Generative AI in Action นักวิจัย Brent Vincent และ Kartik Ayyar จะสาธิตวิธีที่ผู้สร้างสามารถใช้ประโยชน์จากภาษาธรรมชาติและการแสดงออกอื่นๆ ของเจตนาเพื่อสร้างวัตถุและฉากที่มีปฏิสัมพันธ์ได้โดยไม่ต้องใช้การสร้างแบบจำลองหรือการเขียนโค้ดที่ซับซ้อน ที่งาน Intermediated Reality with an AI 3D-printed Character, Kenny Mitchell จาก Roblox และ Llogari Casas Cambra จาก 3Finery Ltd จะนำเสนอโมเดล AI ที่สามารถประมวลผลการรับรู้คำพูดแบบเรียลไทม์และสร้างการตอบสนองในรูปแบบของตัวละครที่พิมพ์ด้วย 3D — โดยจะเคลื่อนไหวลักษณะของตัวละครให้สอดคล้องกับเสียงที่พูดออกมา

นักวิทยาศาสตร์จาก Roblox จะร่วมเสวนาในเวที Frontier Workshops ด้วยเช่นกัน ในงาน Beyond IRL หัวข้อ "โซเชียลมีเดียแบบ 3 มิติเชิงโต้ตอบกำลังเปลี่ยนแปลงวิธีที่เราปฏิสัมพันธ์ แสดงออก และคิดอย่างไร" นักวิทยาศาสตร์จาก Roblox ได้แก่ Lauren Cheatham และ Carissa Kang จะร่วมกับผู้เชี่ยวชาญเฉพาะด้าน นักวิทยาศาสตร์สังคม และนักวิจัยพฤติกรรม เพื่อหารือเกี่ยวกับวิธีที่สภาพแวดล้อมเสมือนจริงที่สมจริงสามารถช่วยหล่อหลอมทัศนคติและพฤติกรรม สนับสนุนการค้นหาตัวตน และช่วยให้คนรุ่นใหม่สร้างขอบเขตที่เหมาะสมซึ่งสามารถขยายไปสู่โลกจริงได้ ในงาน Expressive Avatar Interactions for Co-experiences Online นักวิทยาศาสตร์จาก Roblox ได้แก่ Ian Sachs, Vivek Virma, Sean Palmer, Tom Sanocki และ Kenny Mitchell พร้อมด้วยผู้เชี่ยวชาญท่านอื่น ๆ จะร่วมอภิปรายเกี่ยวกับความท้าทายและบทเรียนที่ได้รับจากการนำประสบการณ์สำหรับการมีปฏิสัมพันธ์และการสื่อสารเชิงแสดงออกทางออนไลน์ไปใช้กับชุมชนขนาดใหญ่ทั่วโลก

เอเดรียน ซวน เว่ย ลิม จะเป็นเจ้าภาพจัดเซสชันโปสเตอร์เพื่อนำเสนอ Reverse Projection: การทำแผนที่พื้นผิวพื้นผิวแบบเรียลไทม์ เทคนิคการฉายภาพแบบใหม่ที่ออกแบบมาเพื่อใช้ในเกม ซึ่งสามารถวาดภาพเดคาลลงบนพื้นผิวของวัตถุ 3 มิติได้แบบเรียลไทม์ โดยการใช้เทคนิคการฉายภาพที่คำนวณในพื้นผิวของพื้นที่ท้องถิ่นและมองออกไปด้านนอก ผู้สร้างผลงานสามารถใช้ได้ตั้งแต่เครื่อง Android ระดับล่างไปจนถึงเดสก์ท็อปเกมมิ่งระดับสูง สามารถเพลิดเพลินกับการปรับแต่งทรัพย์สินของตนได้ ข้อเสนอของกระบวนการนี้อาจเป็นก้าวหนึ่งในการปรับปรุงความเร็วและความหลากหลายของการวาดภาพโมเดล

ดูเอกสารทั้งหมดที่ทีมวิจัย Roblox จะนำเสนอในงาน SIGGRAPH 2023 ได้ที่นี่ เยี่ยมชมบูธและเซสชันของเราที่ระบุไว้ด้านล่าง เราหวังว่าจะได้พบคุณเป็นการส่วนตัว!

วันอาทิตย์ที่ 6 สิงหาคม