上面的视频就是大数据学习和云计算在角色动画上显示的魔力！

看了这个视频，真是觉得这技术简直吊炸天啊！这也就是为什么动画师会集体惊呼“要失业”了。

来看一些技术上的亮点：

角色在平地上移动，由静到动、逐渐加速、转弯，所有的动作衔接都很自然。

角色后退时腿脚的动作反应。看惯了角色”太空漫步“的玩家一定会觉得很惊讶！

即使是在复杂地形中，角色动作也特别细腻、丰富。从岩石上向下跳跃，角色的手脚动作特别协调，能够让人明显感到重心的变化。

视频中特别让人惊叹的一点，角色在攀爬、动作跨度大时，居然还会用手扶一下！

角色的适应性特别强。手动设置障碍物，角色也能随之调整身体的姿态，做出更符合地形特点的动作。

角色在遇到障碍物时，能够自行减速，反应竟如真人一样！

说了这么多，还是要看一些专业性的解释，免得让人觉得小编在忽悠大家。

发明这项技术的大神，将它命名为： PFNN：Phase-Functioned Neural Networks。>

PFNN通过大量学习人体动作，将捕获的运动数据与场景地形数据相匹配。当游戏中的角色遇到不同的3D场景环境，即可迅速做出情景所需要的正确反应，而且动作非常流畅、自然，几乎如同真人。

用于数据演算的相位函数式：

β：参数   p：相位   α：网络权值

PFNN 先基于一种由动作组成的大数据集，以端对端的方式进行训练。这些动作包括行走、在崎岖地形中的奔跑、攀爬石块、跳跃障碍、在低处的蹲伏等等。

一旦训练完成，PFNN的运算速度非常快，即便是千兆字节的运动数据，只需要几毫秒的执行时间，而只占用几兆字节的内存！

PFNN的三个阶段：

（ 预处理阶段 ）

1、运动捕获和处理，使地形数据和捕获的运动数据相对应；

2、相位提取；

3、适应地形。

（ 训练和运行阶段 ）

4、PFNN从大型、高维数据集中学习，产生由控制参数所决定的每一帧角色运动；

5、根据相位的不同，系统输入用户的控制，角色之前的运动状态，场景的几何结构，自动产生高质量的运动，实现逼真的角色运动。

这样看来，这项技术真的可能会在一些领域产生影响，比如说影视动画、CG动画、交互场景下的电子游戏类型。但这种影响会有多大，是否能够完全取代目前的技术手段，一切好像还是一个未知数。

至于动画师会不会失业的问题，就不得而知了。

新技术的革新力量是无限的，未来人工智能一定会为游戏行业带来更多的技术革新。