小编： 事实上，要想在球场上轻松自如地移动，需要多年的艰苦工作，而事实证明，开发人员在计算机模拟中模拟这些技能也需要很长时间
事实上，要想在球场上轻松自如地移动，需要多年的艰苦工作，而事实证明，开发人员在计算机模拟中模拟这些技能也需要很长时间。
但一种涉及人工智能AI)的新方法有可能让事情加速一点至少对开发者来说是这样。
卡内基梅隆大学(Carnegie Mellon University)和DeepMotion的研究人员开发了一种基于物理原理的系统，可以从篮球运动员的真实动作中学习运球技巧。DeepMotion是一家总部位于加州的“运动智能”初创公司，成立于2014年。
该报告的主要作者Libin Liu告诉媒体，“这项研究为用熟练的虚拟化身来模拟运动打开了大门。”
“这项技术可以应用于体育模拟之外，为游戏、动画、动作分析以及未来的机器人技术创造更多的交互角色。”
这两支队伍采用了一种深层强化学习模型一种反映人类对环境反应方式的人工智能系统来训练一个会带球的化身，让它在虚拟球场上自由活动，接受数以百万计的试验。
它分两个阶段学习。首先，它掌握了在球场上移动而不会摔倒或遇到障碍的艺术。
然后，它学会了如何控制自己的手臂和手掌，进而控制数字篮球的速度、速率和方向。
研究人员指出，以物理为基础的运球是出了名的难以用数字技术复制的，因为人类篮球运动员与球的接触非常短暂。
准确的细节比如球在接触到球员的手后是如何旋转的尤其难以捕捉。
虽然熟练的球员可以预测球的时间和位置，但电脑模型却缺乏熟练的手眼协调能力。
基于这些原因，团队选择使用轨迹优化来计算给定手部运动的最有可能路径，而不是捕捉球的运动。
他们将上述的动作捕捉数据包括球员在腰部旋转球、交换手和其他运球技巧输入到深度学习模型中，并开始训练。
这是一个了不起的成功，所有的一切都是模型不仅学会了如何在两腿之间运球、在背后运球、交叉动作，也学会了如何顺利过渡到这些动作之间而不失去球。
他们写道:“虽然我们的框架是为篮球技能而设计的，但我们相信它可以扩展到其他动作，比如杂耍，在这种情况下，模拟角色和被操控对象之间的互动不会显著影响角色的平衡。”
“在未来的工作中，我们也对其他运动感兴趣，比如足球，平衡控制与运动机动性在此紧密结合。”
今年7月，马克古巴支持的初创公司HomeCourt推出了一款智能手机应用程序，它使用机器学习和电脑视觉技术，以99%的准确率计算出投中的球和没投中的球。
当前网址：http://www.hbxwzx.com/tiyu/2019-01-09/43279.html
免责声明：本文仅代表作者个人观点，与河北新闻网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
