米哈游AI论文曝光：逆熵团队用新方法让角色动画生成效率飙升

近日，米哈游旗下逆熵团队的一篇AI研究论文在游戏与AI领域引发广泛关注。该论文题为《Efficient Controllable Motion Generation via Diffusion Models for Game Characters》，提出了一种利用扩散模型高效生成可控角色动画的新框架。与传统的动作捕捉或手工K帧相比，该方法能显著降低动画制作成本，同时保持动作的流畅性和多样性。

逆熵团队是米哈游内部专注于AI技术研发的核心部门，此前已在《崩坏：星穹铁道》和《原神》中应用了部分AI辅助工具。此次曝光的论文显示，他们设计了一种基于条件扩散模型的生成架构，能够根据文本描述或动作标签，生成符合物理规律和角色设定的动画序列。例如，输入“奔跑中突然转向”或“优雅地挥剑”，模型即可输出对应的骨骼动画数据。

这项技术的核心创新在于引入了“可控性”与“效率”的平衡。传统扩散模型生成高质量动画往往需要数十秒甚至数分钟，而逆熵团队通过优化采样步数和网络结构，将生成时间压缩至实时级别，使得在游戏引擎中动态生成动作成为可能。此外，他们还提出了一种“姿态引导”机制，允许开发者通过少量关键帧约束生成结果，避免AI产生不符合预期的诡异动作。

从行业趋势看，AI角色动画正成为游戏开发的热点。此前，Unity的Muse工具已能通过自然语言生成基础动画，但米哈游的工作更专注于高精度、可交互的游戏角色。对于开放世界和大型多人在线游戏来说，AI驱动的动画生成意味着NPC可以拥有更丰富的肢体语言，而不再依赖预设的有限动作库。这不仅能提升沉浸感，还能大幅减少美术团队的工作量。

然而，技术落地仍面临挑战。首先是模型对特定风格（如米哈游标志性的日式卡通渲染）的适配性，其次是如何避免AI生成动作中的“抖动”或“穿透”问题。逆熵团队在论文中表示，他们将通过混合专家模型和强化学习进一步优化。

展望未来，米哈游可能将这项技术整合到其未公布的Project SH（都市开放世界）等旗舰项目中。随着AI动画工具的开源化，中小型团队也有望借助类似方案快速迭代游戏原型。可以预见，未来两年内，AI将成为角色动画流水线中不可或缺的一环，而米哈游正站在这一变革的前沿。