‘사람 동작 따라 배우는’ 애니메이션 알고리즘 선봬

달리기, 뒤로 돌기, 풍차 돌기 등 동작 학습
‘딥러닝’ 알고리즘으로 동작 자연스러움 구현
‘가상 스턴트맨, 게임 캐릭터 등 응용’ 기대

애니메이션 알고리즘 ‘딥미믹’이 구현하는 동작 장면. 출처: 미국 캘리포니아대학교(버클리)

요즘 컴퓨터 그래픽으로 탄생한 영화나 비디오 게임의 캐릭터들은 너무도 자연스러워, 그 몸 놀림의 영상이 마치 실제처럼 느껴지기도 한다. 어디까지 실사이고 어디까지 디지털 그래픽인지 분간하기도 쉽지 않을 때도 있다. 그런 자연스러운 몸 동작을 심층학습(딥러닝)형의 알고리즘을 이용해 구현한 애니메이션 기법이 새로 선뵀다.

미국 버클리 캘리포니아대학 인공지능연구소(BAIR) 소속 연구진은 사람 동작을 따라 훈련하고 배우는 심층학습(딥러닝)형의 애니메이션 알고리즘을 개발했다고 이 대학 보도자료를 통해 발표했다. 이들이 개발한 알고리즘에는 ‘딥미믹(DeepMimic)’이라는 이름이 붙었다.

대학 보도자료와 연구진의 설명을 들어보면, 이전까지 쓰인 디지털 애니메이션 기법으로는, 걷기나 달리기처럼 서로 다른 동작 기술마다 다른 맞춤형 제어를 수동으로 제어하는 방식이 사용되거나, 단일한 범용 알고리즘(general algorithm) 하나로 다양한 동작을 구현하는 방식이 쓰였다. 그런 방식엔 장단점이 있었다. 수동의 맞춤형 제어 방식은 실물 같은 자연스러운 동작을 구현했으나 일일이 동작마다 다르게 응용해야 하기에 까다로웠으며, 단일한 범용 알고리즘은 간편했으나 거기에서 구현되는 동작은 상대적으로 부자연스러웠다고 한다.

이번에 캘리포니아대학 연구진이 개발한 알고리즘은 이런 두 기법의 장점을 담았다. 하나의 범용 알고리즘이 데이터로 입력된 여러 동작 기술을 스스로 따라 훈련하며 배움으로써 경험하지 못했던 다른 동작들도 비교적 자연스럽게 구현할 수 있다는 것이다(물론 자연스러움 자체는 수동 제어 방식에 견줄 만하지만 그것을 능가할 정도는 아니라한다). 다음은 개발 과정에 관한 설명이다.

“연구진은 달리기, 던지기, 뛰어오르기는 물론이고 뒤로 돌기, 풍차 돌기, 발로 차 일어나기(kip-up) 등 25가지 넘는 곡예(아크로바틱) 동작 기술을 담은 사람 모션캡처(몸의 동작을 기록한 디지털 작업물)를 참조 데이터로 삼았다. 이런 모션캡처 데이터를 컴퓨터 알고리즘에 넣은 다음에, 딥미믹(DeepMimic)이라는 시스템이 시뮬레이션 시간 기준 한 달 동안 각 동작 기술을 스스로 연습하도록 했다. 컴퓨터는 각 기술을 현실감 있게 흉내 내는 법을 배우는 데에 수백만 번의 시도를 거쳐야 했다. 시행착오를 배우고, 모션캡처 데이터와 비교하면서 그 동작을 점점 더 사람의 동작에 가깝게 바꾸어나갔다.” (캘리포니아대학 보도자료)

https://youtu.be/8KdDwRLtNHQ

https://youtu.be/vppFvq2quQ0

색다른 점은, 이 알고리즘이 동작 전체를 연속적으로 익히는 식으로 심층학습을 행한 것이 아니라, 동작 단계들을 각각 끊어서 훈련한 다음에 이런 여러 단계를 이어붙이는 방식으로 사람 동작을 모방했다는 점이다.

“핵심은 이 알고리즘이 사람들이 하지 않는 방식으로 학습하게 했다는 점이다. 예를 들어 뒤로 돌기 기술은 너무나 많은 개별 몸 동작들로 이뤄져 있기에, 보통 알고리즘은 계속 넘어지면서 처음 몇 동작 이상을 하기 힘들 것이다. 이 알고리즘은 그렇게 하는 대신에 허공 단계를 비롯해 다양한 단계들을 동작 학습의 출발점으로 삼았다. 그렇게 동작의 각 단계를 따로 학습했으며 나중에 그것을 모두 이어붙일 수 있었다.” (캘리포니아대학 보도자료)

‘심층 증강 학습’ 기법의 이 알고리즘은 모션캡처 데이터를 이용해 따라 배운 동작뿐 아니라 전에 경험하지 못한 험난한 지형에서 달리기와 같은 동작도 해내는 것으로 나타났다고 연구진은 전했다. 이들은 심층학습형 애니메이션 알고리즘이 비디오 게임의 캐릭터나 가상 스턴트맨 같은 캐릭터의 자연스런 동작을 좀더 간편하게 구현하는 데 쓰일 수 있을 것으로 기대했다. 오철우 선임기자 [e-mail]