Der Name Daniel Holden dürfte selbst unter Spielern nicht sonderlich bekannt sein. Doch unter dem Titel Animation Researcher arbeitet der Programmierer für Ubisoft Montréal und ist derzeit maßgeblich an neuen Forschungsarbeiten zur realistischeren Darstellung von Charakter-Animationen beteiligt. Auf der Grafik- und Software-Technologie-Messe ACM Siggraph '17 konnten er und sein Team die ersten überzeugenden Ergebnisse vorstellen.

Die neue Technologie hört auf den Namen Phase-Functioned Neural Network (PFNN) und basiert im Grunde auf einem lernfähigen Grundgerüst. Dieses soll ein zyklisches Verhalten, wie zum Beispiel die Fortbewegung des Menschen, als natürliche Animation darstellen. Darauf aufbauend entwickelten Holden und seine Kollegen sogenannte Input- und Output-Parameter. Die Parameter ermöglichen datengetriebene Charaktersteuerungen mit detaillieren Nutzerinteraktionen in komplexen Umgebungen - in Echtzeit.

Struktur und Aufbau des Netzwerks sind eher kompakt. Dennoch kann das PFNN durch seine Phasenfunktion mit der Zeit aus einem gewaltigen, bereits vorhandenen Datensatz lernen. Hinzu kommen weitere Daten, die speziell für das Training des PFNNs generiert werden. Dabei steht das Zusammenspiel zwischen menschlicher Bewegung und dem jeweiligen Terrain im Vordergrund.

Sobald das PFNN fertig trainiert ist, soll es Gigabyte-schwere Datensätze analysieren und dabei trotzdem nur wenig Speicher verbrauchen. Daraus entstehen realistische Bewegungsanimationen, die keine der bekannten Fehler anderer aktueller Methoden aufweisen sollen.

Bei der Entwicklung wird Holden unter anderem auch von Taku Komura, einem Dozenten der University of Edinburgh, und dem Senior Research Engineer des Visual-Effects-Unternehmens Method Studios, Jun Saito, unterstützt.