Vestir roupas é uma rotina diária, tarefa mundana que a maioria de nós executa com pouco ou nenhum pensamento. Podemos nunca levar em consideração as várias etapas e movimentos físicos envolvidos quando nos vestimos de manhã. Mas é exatamente isso que precisa ser explorado ao tentar capturar o movimento de vestir e simular um pano para animação por computador.

Cientistas da computação do Georgia Institute of Technology e Google Brain, Braço de pesquisa de inteligência artificial do Google, desenvolveram um novo método computacional, impulsionado por técnicas de aprendizado de máquina, para simular com sucesso e de forma realista o processo de várias etapas de vestir roupas. Quando dissecado, a tarefa de vestir é bastante complexa, e envolve várias interações físicas diferentes entre o personagem e suas roupas, guiado principalmente pelo sentido do tato da pessoa.

Criar a animação de um personagem vestindo roupas é um desafio devido às complexas interações entre o personagem e a roupa simulada. A maioria dos trabalhos em animação de personagens altamente restritos lida com ambientes estáticos que não reagem muito ao movimento do personagem, observa os pesquisadores. Em contraste, as roupas podem responder imediata e drasticamente a pequenas mudanças na posição do corpo; a roupa tem a tendência de dobrar, grudar e agarrar-se ao corpo, fazendo tátil, ou sensação de toque, essencial para a tarefa.

Outro desafio único sobre vestir é que exige que o personagem execute uma sequência prolongada de movimento envolvendo um conjunto diversificado de subtarefas, como agarrar a camada frontal de uma camisa, enfiar a mão na abertura da camisa e enfiar a mão na manga.

"Vestir-se parece fácil para muitos de nós, porque o praticamos todos os dias. Na realidade, a dinâmica do tecido torna muito desafiador aprender a se vestir do zero, "diz Alexander Clegg, autor principal da pesquisa e Ph.D. em ciência da computação. estudante do Instituto de Tecnologia da Geórgia. "Aproveitamos a simulação para ensinar uma rede neural a realizar essas tarefas complexas, dividindo a tarefa em partes menores com objetivos bem definidos, permitindo que o personagem tente a tarefa milhares de vezes e fornecendo sinais de recompensa ou penalidade quando o personagem tenta mudanças benéficas ou prejudiciais em sua política. "

O método dos pesquisadores então atualiza a rede neural uma etapa de cada vez para tornar as mudanças positivas descobertas mais prováveis ​​de ocorrer no futuro. "Desta maneira, ensinamos o personagem como ter sucesso na tarefa, "observa Clegg.

Clegg e seus colaboradores na Georgia Tech incluem os cientistas da computação Wenhao Yu, Greg Turk e Karen Liu. Junto com o pesquisador do Google Brain Jie Tan, o grupo apresentará seu trabalho no SIGGRAPH Asia 2018 em Tóquio, de 4 a 7 de dezembro. A conferência anual apresenta os membros técnicos e criativos mais respeitados no campo da computação gráfica e técnicas interativas, e apresenta pesquisas de ponta em ciência, arte, jogos e animação, entre outros setores.

Neste estudo, os pesquisadores demonstraram sua abordagem em várias tarefas de vestir:colocar uma camiseta, vestir uma jaqueta e vestir uma manga com a ajuda de um robô. Com a rede neural treinada, eles foram capazes de realizar uma reencenação complexa de uma variedade de maneiras como um personagem animado veste roupas. A chave é incorporar o sentido do toque em sua estrutura para superar os desafios na simulação de tecido. Os pesquisadores descobriram que a seleção cuidadosa das observações do tecido e das funções de recompensa em sua rede treinada são cruciais para o sucesso da estrutura. Como resultado, essa abordagem inovadora não só permite sequências de vestimentas individuais, mas também um controlador de personagem que pode se vestir com sucesso em várias condições.

"Abrimos a porta para uma nova maneira de animar tarefas de interação de várias etapas em ambientes complexos usando aprendizagem por reforço, "diz Clegg." Ainda há muito trabalho a ser feito continuando neste caminho, permitindo a simulação para fornecer experiência e prática para o treinamento de tarefas em um mundo virtual. ”Na expansão deste trabalho, a equipe está atualmente colaborando com outros pesquisadores no laboratório Healthcare Robotics da Georgia Tech para investigar a aplicação da robótica para assistência em curativos.