Motion Matching：被腾讯、育碧、Meta、Epic关注，提升3A端游的动画技术

游戏日，上期"Netflix游戏"（见文末）

聚焦游戏技术与体验迭代

带来的产业机遇与娱乐创新

欢迎投稿与交流，联系请见文末

更多游戏案例与技术应用研究

请关注东西文娱游戏组品牌账号

日前，腾讯天美引入原育碧动画程序专家Simon Clavet，加入天美蒙特利尔工作室，将担任首席动画程序，参与3A开放世界项目。

Simon Clavet被称为“Motion Matching技术之父”，在育碧有16年的3A开发经验。此次引入动画程序专家，是腾讯天美在此前对动画技术管线建设的基础上，进一步推进对动画技术的投入，引入关键人才。

Motion Matching技术基于运动捕捉获得的动作数据库，用程序自动搜索最合适的下一帧，由此生成完整的动画。相比于以往主流采用的状态机动画，具有动画真实度更高、更节约人力和时间成本、能实现更高产能等特点。

Motion Matching技术于2016年面世，最早应用在育碧的《荣耀战魂》中，这些年来已经在不少海外大厂的3A大作中采用。近年来也受到腾讯等国内厂商的关注。

但由于该技术目前没有被育碧等公司开源，核心算法等技术仍掌握在少数大厂手中，所以前期建立技术管线需要较高的投入。这也意味着，对于正在推进多个3A项目、剑指全球化的腾讯来说，引进专家是推进项目落地和建立内部生产管线最有效率的方式之一。

除Simon Clavet之外，今年以来Meta、Epic Games也都新招揽了Motion Matching技术方向上的资深专家。

另外，Motion Matching还存在内存占用大的技术难点，因此当前基本只应用在主机端。近来研究方向多集中在结合机器学习，优化内存占用等问题。

腾讯引入原育碧动画程序专家，强化3A主机技术能力

在从外部引入动画技术专家之前，腾讯2021年就对Motion Matching技术进行了投入，已经具备一定基础。

在腾讯官网2021年12月的一篇文章中，天美深圳的动画总监Alan Xu表示，“在过去的六个月里，我参与了推动Motion Matching动画技术的管线建设、In Game Cinematic流程建设、动作捕捉流程标准化、数字人技术建设、基于AI学习的角色动作、面部表情生成。”

此次聘请Motion Matching技术专家加入天美蒙特利尔工作室，是腾讯天美在动画制作技术领域引入3A大厂先进技术和生产经验的举措。

从近期天美蒙特利尔工作室的招聘信息看，旗下“基于新IP的3A开放世界游戏”/“3A多平台游戏”对游戏美术相关岗位（技术美术、动画师等）需求较大。

而Simon Clavet被称为“Motion Matching之父”，在2016年首次提出了Motion Matching技术，并将其应用在育碧的多人格斗游戏《荣耀战魂》中。

Simon Clavet

Motion Matching是一种角色动画技术，首先通过动作捕捉建立角色动作的“数据库”，然后程序会遍历数据库中的每一帧，“暴力计算”出最合适的下一帧并播放，从而形成完整的动画。

Motion Matching技术具有无需动画师手动调整、动画表现更真实、细节更丰富、动作过渡更自然等特性。

在此前的动画制作中，主流采用状态机动画。把角色的动作拆解成诸如“走”、“跑”、“跳”等基本的“状态”，这些状态两两之间有彼此过渡的动画，所有的基本状态及其过渡一起组成复杂的网状结构，通过状态间的切换和过渡来形成完整动画。

状态机动画存在复杂度高的问题，一旦要增加状态或需求，动画系统的复杂度会迅速上升。并且状态机需要开发人员编写和维护，所需的人力和时间成本都很高。

Motion Matching技术的逻辑则更简单，从而能够在提升角色动画产能的同时节约人力和时间成本，因此自面世以来，就受到业界关注。

Motion Matching技术

对游戏工业化流程和效率的提升

3A游戏在动画方面有着对动画真实度和细节丰富度要求高、玩家对操作控制感有高要求、以及投入大、生产周期长等痛点。

Motion Matching技术自面世以来多被3A大作采用，正是因为能一定程度解决上述痛点。

1.基于动捕生成的动作数据库，能为动画提供更多细节，以及对动物等实现更真实的还原。

Simon Clavet在2016年GDC大会上首次展示Motion Matching在《荣耀战魂》中的应用时就提到，Motion Matching可以提供更高质量的动画。因为数据库中的动作是由动捕演员表演得来，动画师可以与动捕演员沟通动作的速度、呈现效果等细节。

比如Simon Clavet在展示中就播放了一段动捕演员表演角色疲惫、踉跄行走的动作，基于这些动捕数据，游戏角色能够很好地实时表现细节丰富、真实度高的疲惫状态。

此外，针对传统方式难以真实还原的动物，基于动捕的Motion Matching也能更好地解决问题。例如在《最后生还者2》中，就对马和狗进行了动作捕捉，由训兽师辅助引导动物进行动捕路线采集，然后针对一些没有捕捉到的情况，再由动画师来手动调整。

2.Motion Matching可以更快地切换和过渡动作，实现更高的响应性。

状态机动画系统在一个动作切换下一个动作时，必须要播放完前一个动作的整个动画才能切换播放下一个动作，因此在响应性上存在问题。比如起步的动作播放到一半，如果想要切换到停止，就必须把起步的动画播放完才能停止。

但Motion Matching把动作切分成了更小的单位，因此能够实现更流畅的切换和过渡，从而使玩家感到响应性更好。

另一方面，由于动作表现的真实性和响应性是互相排斥的，动作要表现的细节越多，要播放的帧就越多，从而响应性就会随之下降。为此，Simon Clavet在2016年的GDC分享中提到，他们为此设计了一个滑块，可以在“真实性”和“响应性”之间进行平衡，根据游戏类型的需要调整对二者的偏向。

3.可以减少动画师工作量，便于节省人力和时间成本。

《黑神话：悟空》在制作过程中也采用了Motion Matching技术。据游戏科学的客户端技术负责人招文勇分享，《黑神话：悟空》有丰富的角色种类，同时又有着对动作产能的高要求，“意味着我们要搞出一个足够简单的管线，可以让外包来帮我们做这个事情”。

在尝试过其他技术后，制作组最终选择了Motion Matching技术。招文勇表示，选择Motion Matching的原因，一是工作流非常简洁，不需要动画师去理解动作如何分拆；二是可以把部分动画外包出去，极大地提高产能；三是动画质量精良。

然而，Motion Matching技术也并非完美，本身还存在一些有待解决的问题。

单从技术层面而言，由于Motion Matching技术依靠动作数据库和程序对动画的遍历，因此对内存的占用非常大，且动画库越大，搜寻所用的时间越长。另外，由于动作是靠预先的动捕收集而来，因此无法对动作进行组合，需要新的复杂动作只能重新进行动捕。

而从应用层面而言，Motion Matching在前期进行动作捕捉、建立管线等需要较高的资源投入。但另一方面，育碧等大厂并没有对Motion Matching技术进行开源；现阶段Unity和虚幻引擎虽然都提供了相关组件，但功能也并不完善。

基于此种现状，现阶段有需求也有条件应用Motion Matching技术的主要还是想要开发3A游戏的大厂。与此同时，各大厂内部也在研究新的方向去解决技术上的痛点。

Motion Matching技术进展：

和机器学习结合

自2016年面世以来，Motion Matching技术一直在不断发展，其中比较明确也广受关注的方向是与机器学习的结合。

机器学习是人工智能下的一个子领域，主要指通过数据或以往经验来训练、优化计算机算法。机器学习根据任务分类可以分为监督学习、无监督学习和强化学习；根据模型分类可以分为非深度学习和深度学习。

在更具体研究方向上，“Motion Matching之父”Simon Clavet致力于研究的是结合强化学习的Motion Matching。他在2020年的GDC大会上展示了“Ragdoll Motion Matching”，AI小人在随机生成的模拟环境中行走，在行动中不断获得反馈并学习，从而能够实现顺利行走、应对各种复杂地形的效果。这种强化学习方案尝试将物理系统引入动画系统中，同时也能够解决Motion Matching的内存占用问题。

除Simon Clavet之外，业界其他研究者主要在深度学习分支上有较多研究成果，其中不少专家都在今年被大厂招揽。

如Daniel Holden提出了PFNN（Phase-Functioned Neural Networks），引入深度学习神经网络，改善了滑步问题，实现更好的动画效果，并且能够将Motion Matching的内存占用从590MB压缩到8.5MB。凭借2017年提出的PFNN，Daniel Holden被育碧发掘担任动画程序，直到今年1月，Daniel Holden加入Epic Games。

Electronic Arts的AI科学家Sebastian Starke则在2021年发表了通过机器学习实现动作组合的论文。利用神经网络，Starke的研究能够将动捕得来的两个不同动作“挤压”到一起，融合成一个新的动作。Starke表示，这项研究还处于试验阶段，尚未进入游戏中，但这项技术有望增强现有的运动匹配技术，改善动画的表现效果。Sebastian Starke于今年6月加入Meta的Reality Labs担任研究科学家，研究虚拟化身的角色动画和人工智能。

育碧方面，其研究部门La Forge则在今年4月公布正在开发一个名叫Choreograph的工具，引入机器学习技术，并已应用在《孤岛惊魂6》的动画中。据La Forge团队分享，通过引入机器学习，Choreograph能够将Motion Matching所需的内存量压缩多达30倍，并已经利用Choreograph推出了《孤岛惊魂6》的第三人称相机模式。

可见，目前Motion Matching技术在机器学习方向上的发展无论更侧重哪个分支，主要是为了解决内存占用这个最大痛点，其次是改善动画的具体表现效果。

由于内存占用过大，现阶段的Motion Matching技术基本只在主机端使用，但随着机器学习等方向的技术发展，未来Motion Matching或许有望应用在更多领域。