生成自然豐富，反應靈敏的動作的“
Motion Matching
”是什么？
Ubisoft在2016年內預定發售的【榮譽戰魂】，是基於MOBA類集團戰斗，並加入了高度緊張的劍斗動作的多人游戲。在繪制非常細致的戰場里，主人公以騎士，武士還有維京勇士形象展現着厚重感和帥氣的動作。是整體散發着次世代感的作品。
特別引人注目的，是角色動畫的自然響應性很高。無論切換到怎樣的瞬間，自然的運動也感覺不像是游戲了，
盡管如此，還是可以靈敏的反映玩家的操作。
GDC 2016上，在
Ubisoft的演講【
Motion Matching and Road To Next-Gen Animation
】中對本作實現的高品質動畫的獨特算法和工作流做了講解。即便稍微聽一下說明，深入到那些游戲動畫技術以外領域的，還真的是非常讓人震驚的內容。
【For Honor Gameplay - Multiplayer Walkthrough】
把角色動作的自然遷移“有力量的”作出的最新技術
Ubisoft的Simon Clavet
本作動畫系統的目標
進行演講的
Simon Clavet，已經在
Ubisoft擔任了10年的動畫程序員。
在【榮耀戰魂】中，除了要真實的描繪戰士們激烈的劍斗之外，還要有在廣闊戰場的戰略移動，移動消耗的時間也很多。而本作動畫系統所提出的目標就是【正確的游戲性】和【有說服力的動畫】。
先從結果來看的話，本作實現的移動動作，在各種情況，各種瞬間，都是以往游戲沒有的自然運動。方向轉換和加速減速動作的關聯，也看不出是多個動畫組合而成的那樣自然。而且對玩家操作可以快速反應，提供了毫無壓力的正確的游戲性。
本作的移動動畫。姿勢變更，方向轉化以及氣勢的變化等都可以完美的對應，完全感覺不到有銜接部分，自然的播放動作。
以前動畫系統的問題
要實現自然的運動，就需要用戶把動畫片段（Animation Clip）之間的銜接可以對應玩家操作靈活的變化，這個具體要怎么實現？
以前的動畫移動系統因為會引起組合數量的爆炸，只能粗略的對應。
這樣，在有說服力的動作，和動作游戲才有的響應性上，【榮耀戰魂】要求實現的等級很高，用以前的方法幾乎是不可能的。
用手工來設定動畫片段的轉移是有限的，走，跑，停止，轉向等各個動作的鏈接部分，只用少數幾個模板怎么也無法實現的。而角色現在的情況是，要正確的再現玩家輸入的變化，動畫轉移的入口和出口變的非常的大，用手工來連接是很勉強的。
因此，以前的游戲，采取的是動畫的銜接部分通過程序在方向和力上做修正，動態的來近似的方法。用這種方法，會出現腳無法很好的貼合地面，以及滑步移動的繪制情況。這也是以往角色動畫看起來像游戲風格的原因。
【榮耀戰魂】中對於這個問題，采用了非常大膽的方法來解決（只有次世代機才能實現）。也就是本次演講公開的“
Motion Matching
”的方法。
走->停止的運動控制，因為要在忠實的反應玩家操作的同時，實現自然的運動，會有很多的問題。
在每幀中對龐大的動作捕捉數據做檢索
非常簡單的算法
為了拍攝一種運動，要持續5分鍾相似的動作。
每30分之1秒1次，檢索下一個動畫片段
對於速度和姿勢，提取幾個代表點進行匹配
Clavet所說的【愚蠢又有力的的動畫系統】的方法，原理上簡單得驚人。在每幀里，檢索全部的動作捕捉數據，發現最適合的一幀動畫時，就進行動畫的轉移。
例如【疲勞狀態的走動】動作。游戲中使用的是，把演員動作的微妙變化全部保存在5分鍾的運動數據里。同樣的動作，手足位置，腰的高低，頭的方向等有微妙的不同，是一連串的運動數據。
然后並不把它分割成多個動畫Clip，而是一個整體就直接在游戲中使用就是重點了。在這5分鍾的動畫數據中，按幀的單位檢索，向最適合需要的動作范圍進行轉移就可以了。不再需要人手工的制作轉移圖了！
候補的動畫幀，以下面的條件為基准進行選擇。
1.玩家輸入預測的移動曲線的適合度
2.對角色現在的姿勢（腳，頭，手的位置的）的適合度
※
為了實現高速化，每幀里都把上面的數據通過預先計算輸入到參數里。
例如【邊跑邊轉90度】的動作，在動作捕捉數據中也有模板的。在這些候補中，選擇最接近現在姿勢的幀。因為這樣幀單位進行反復操作，可以達到玩家輸入那樣的靈敏反映，完全看不到有動畫銜接部分。
只要不斷的拍攝各種姿勢的運動捕捉數據，不需要分割數據就在游戲里使用
為玩家輸入為基准進行方向預測，選擇接近的移動方向，維持將來的位置和姿勢的動畫
成為角色動畫技術的革命者？
用軌跡預測提升動畫匹配的精度
斜面也對應了
這個方法的優點是，可以實現支持靈敏操作的高品質動畫，以及減輕手動工作。
這個方法和以前的動畫系統完全不同，以前那種從一個動畫Clip轉移到另外一個動畫Clip，和現在這種運動匹配方法在結果上就不用說了。即便制作捕捉數據的人，也無法事先預測幀與幀之間的變化。
而且，它與最近的熱門話題-深度學習也有相似之處。這個是通過原始的龐大運動數據，創作出新的連續動作的系統。如果可以【學習】新的運動，這樣對應動畫的精度也會提升。
但這個方法也有弱點。雖然這個系統也能實現類似【蹲下的狀態從朝向右向左做旋轉並后退移動】這樣的復雜組合，因為不是手工制作動畫轉移圖，要確認可以對應游戲玩法需要的全部運動是很難的。特定的操作組合，感覺還是會有動畫模板的盲點產生（捕捉數據的不足）。這種情況因為轉移到了不匹配的幀上，運動的表現程度也就下降了。
這樣的話，【
For Honor
】的開發團隊每次都要進行游戲內運動的不自然情況的檢查，每周都會實施“填坑”的動作捕捉議程。一邊減少盲點，一邊繼續提高游戲的完成度。
當然因為實現這種方法的負荷很高。使用大量運動數據的話，數據容量會變得非常大，為了最佳動畫幀的檢索需要有很強力的CPU，完全是面向次世代機的技術。但這確實是真正革命性的游戲動畫系統。
把動作的流暢和真實性作為生命的游戲【榮耀戰魂】，使用這個技術的游戲究竟是怎么樣的呢，作為動作游戲玩家真的是非常期待。