ABOUT THE SPEAKER
Torsten Reil - Animating neurobiologist
By coding computer simulations with biologically modeled nervous systems, Torsten Reil and his company NaturalMotion breathe life into the animated characters inhabiting the most eye-poppingly realistic games and movies around.

Why you should listen
From modeling the mayhem of equine combat in Lord of the Rings: Return of the King to animating Liberty City gun battles in Grand Theft Auto IV, Torsten Reil's achievements are all over the map these days. Software that he helped create (with NaturalMotion, the imaging company he co-founded) has revolutionized computer animation of human and animal avatars, giving rise to some of the most breathtakingly real sequences in the virtual world of video games and movies- and along the way given valuable insight into the way human beings move their bodies.

Reil was a neural researcher working on his Masters at Oxford, developing computer simulations of nervous systems based on genetic algorithms-  programs that actually used natural selection to evolve their own means of locomotion. It didn't take long until he realized the commercial potential of these lifelike characters. In 2001 he capitalized on this lucrative adjunct to his research, and cofounded NaturalMotion. Since then the company has produced motion simulation programs like Euphoria and Morpheme, state of the art packages designed to drastically cut the time and expense of game development, and create animated worlds as real as the one outside your front door. Animation and special effects created with Endorphin (NaturalMotion's first animation toolkit) have lent explosive action to films such as Troy and Poseidon, and NaturalMotion's software is also being used by LucasArts in video games such as the hotly anticipated Indiana Jones.

But there are serious applications aside from the big screen and the XBox console: NaturalMotion has also worked under a grant from the British government to study the motion of a cerebral palsy patient, in hopes of finding therapies and surgeries that dovetail with the way her nervous system is functioning.
More profile about the speaker
Torsten Reil | Speaker | TED.com
TED2003

Torsten Reil: Animate characters by evolving them

Torsten Reil nutzt Biologie für bessere Computeranimationen

Filmed:
363,842 views

Torsten Reil präsentiert, wie die Biologie helfen kann, natürlicher aussehende Animationen von Menschen zu machen - indem man einen Menschen nachbaut, mit Knochen, Muskeln und einem Nervensystem. Er sprach 2003 bei TED; seine Arbeit ist heute in GTA 4 zu sehen.
- Animating neurobiologist
By coding computer simulations with biologically modeled nervous systems, Torsten Reil and his company NaturalMotion breathe life into the animated characters inhabiting the most eye-poppingly realistic games and movies around. Full bio

Double-click the English transcript below to play the video.

00:15
I'm going to talk about a technologyTechnologie that we're developingEntwicklung at OxfordOxford now,
0
3000
4000
Ich möchte über eine neue Technologie sprechen, die wir zurzeit in Oxford entwickeln
00:19
that we think is going to changeVeränderung the way that
1
7000
3000
von der wir glauben, dass sie die Art und Weise
00:22
computerComputer gamesSpiele and HollywoodHollywood moviesFilme are beingSein madegemacht.
2
10000
3000
auf die Videospiele und Hollywoodfilme entstehen verändern wird.
00:26
That technologyTechnologie is simulatingSimulation von humansMenschen.
3
14000
3000
Diese Technologie ist die Simulation von Menschen.
00:29
It's simulatedsimuliert humansMenschen with a simulatedsimuliert bodyKörper
4
17000
3000
Simulierte Menschen mit einem simulierten Körper
00:32
and a simulatedsimuliert nervousnervös systemSystem to controlsteuern that bodyKörper.
5
20000
3000
und einem simulierten Nervensystem, das diesen Körper kontrolliert.
00:36
Now, before I talk more about that technologyTechnologie,
6
24000
3000
Bevor ich mehr über diese Technologie rede,
00:39
let's have a quickschnell look at what humanMensch charactersFiguren look like
7
27000
3000
werfen wir kurzen Blick auf das Aussehen von Charakteren
00:42
at the momentMoment in computerComputer gamesSpiele.
8
30000
3000
in aktuellen Videospielen.
00:45
This is a clipKlammer from a gameSpiel callednamens "GrandGrand TheftDiebstahl AutoAuto 3."
9
33000
3000
Hier haben wir einen Clip aus „Grand Theft Auto 3“,
00:48
We alreadybereits saw that brieflykurz yesterdaygestern.
10
36000
2000
das wir gestern bereits kurz gesehen haben.
00:50
And what you can see is -- it is actuallytatsächlich a very good gameSpiel.
11
38000
3000
Wir können sehen – es ist wirklich ein sehr gutes Videospiel.
00:53
It's one of the mostdie meisten successfulerfolgreich gamesSpiele of all time.
12
41000
3000
Es ist eins der erfolgreichsten Spiele aller Zeiten.
00:56
But what you'lldu wirst see is that all the animationsAnimationen in this gameSpiel are very repetitivesich wiederholende.
13
44000
4000
Aber wie wir sehen können, wiederholen sich die Animationen die ganze Zeit.
01:00
They prettyziemlich much look the samegleich.
14
48000
2000
Sie sehen jedes Mal gleich aus.
01:02
I've madegemacht him runLauf into a wallMauer here, over and over again.
15
50000
3000
Ich habe ihn hier immer wieder in eine Mauer laufen lassen,
01:05
And you can see he lookssieht aus always the samegleich.
16
53000
2000
und seine Reaktion sieht jedes Mal gleich aus.
01:07
The reasonGrund for that is that these charactersFiguren
17
55000
3000
Der Grund dafür ist, dass dieser Charakter
01:10
are actuallytatsächlich not realecht charactersFiguren.
18
58000
2000
in Wirklichkeit gar kein echter Charakter ist.
01:12
They are a graphicalgrafischen visualizationVisualisierung of a characterCharakter.
19
60000
4000
Er ist eine visuelle Repräsentation eines Charakters.
01:16
To produceproduzieren these animationsAnimationen, an animatorAnimator at a studioStudio has to anticipateerwarten
20
64000
5000
Um solche Animationen herzustellen, muss der Animator vorhersehen,
01:21
what's going to happengeschehen in the actualtatsächlich gameSpiel,
21
69000
3000
was im Spiel passieren wird
01:24
and then has to animateanimieren that particularinsbesondere sequenceSequenz.
22
72000
3000
und dann die passende Reaktion des Charakters animieren.
01:27
So, he or she sitssitzt down, animatesanimiert it, and triesversucht to anticipateerwarten what's going to happengeschehen,
23
75000
4000
Er oder sie setzt sich also hin und macht eine Animation, ausgehend von seiner Annahme, was passieren wird.
01:31
and then these particularinsbesondere animationsAnimationen are just playedgespielt back
24
79000
3000
Diese Animation wird dann einfach
01:34
at appropriateangemessen timesmal in the computerComputer gameSpiel.
25
82000
3000
im passenden Moment im Spiel wiedergegeben.
01:37
Now, the resultErgebnis of that is that you can't have realecht interactivityInteraktivität.
26
85000
5000
Das bedeutet, dass wir keine echte Interaktivität haben.
01:42
All you have is animationsAnimationen that are playedgespielt back
27
90000
3000
Alles was passiert ist, dass die Animation im
01:45
at more or lessWeniger the appropriateangemessen timesmal.
28
93000
2000
mehr oder weniger rechten Moment wiedergegeben wird.
01:47
It alsoebenfalls meansmeint that gamesSpiele aren'tsind nicht really going to be as surprisingüberraschend as they could be,
29
95000
5000
Es bedeutet also auch, dass das Spiel nicht so überraschend ist, wie es sein könnte,
01:52
because you only get out of it, at leastam wenigsten in termsBegriffe of the characterCharakter,
30
100000
3000
weil nur das, aus dem Charakter kommen kann,
01:55
what you actuallytatsächlich put into it.
31
103000
2000
was vorher reingesteckt wurde.
01:57
There's no realecht emergenceEntstehung there.
32
105000
2000
Es entsteht nichts Neues.
01:59
And thirdlydrittens, as I said, mostdie meisten of the animationsAnimationen are very repetitivesich wiederholende because of that.
33
107000
4000
Und, wie ich schon sagte, sind die meisten Animationen deshalb sehr repetitiv.
02:03
Now, the only way to get around that
34
111000
2000
Der einzige Weg, das zu umgehen,
02:05
is to actuallytatsächlich simulatesimulieren the humanMensch bodyKörper
35
113000
2000
ist einen wirklich menschlichen Körper zu simulieren
02:07
and to simulatesimulieren that bitBit of the nervousnervös systemSystem of the brainGehirn that controlsKontrollen that bodyKörper.
36
115000
5000
und den Teil des Gehirns zu simulieren, der diesen Körper kontrolliert.
02:12
And maybe, if I could have you for a quickschnell demonstrationDemonstration
37
120000
3000
Wenn ich mir dich mal kurz für eine kleine Demonstration ausleihen könnte
02:15
to showShow what the differenceUnterschied is --
38
123000
2000
um den Unterschied zu zeigen -
02:17
because, I mean, it's very, very trivialtrivial.
39
125000
4000
denn es ist eigentlich ziemlich belanglos.
02:21
If I pushdrücken ChrisChris a bitBit, like this, for exampleBeispiel, he'llHölle reactreagieren to it.
40
129000
3000
Wenn ich Chris hier zum Beispiel so schubse, dann reagiert er entsprechend.
02:24
If I pushdrücken him from a differentanders angleWinkel, he'llHölle reactreagieren to it differentlyanders,
41
132000
3000
Wenn ich ihn aus einer anderen Richtung schubse, reagiert er anders,
02:27
and that's because he has a physicalphysisch bodyKörper,
42
135000
2000
was daran liegt, dass er einen Körper hat,
02:29
and because he has the motorMotor- skillsFähigkeiten to controlsteuern that bodyKörper.
43
137000
3000
und dass er diesen Körper motorisch kontrollieren kann.
02:32
It's a very trivialtrivial thing.
44
140000
2000
Es ist eine Belanglosigkeit,
02:34
It's not something you get in computerComputer gamesSpiele at the momentMoment, at all.
45
142000
2000
aber es ist etwas das in Videospielen noch gar nicht existiert.
02:36
Thank you very much. ChrisChris AndersonAnderson: That's it?
46
144000
2000
Vielen Dank. Chris Anderson: Das war’s?
02:38
TorstenTorsten ReilReil: That's it, yes.
47
146000
2000
Torsten Reil: Ja, das war’s.
02:40
So, that's what we're tryingversuchen to simulatesimulieren --
48
148000
1000
Und das ist es, was wir versuchen zu simulieren –
02:41
not ChrisChris specificallyspeziell, I should say, but humansMenschen in generalGeneral.
49
149000
4000
nicht unbedingt Chris, aber Menschen an sich.
02:46
Now, we startedhat angefangen workingArbeiten on this a while agovor at OxfordOxford UniversityUniversität,
50
154000
5000
Wir haben vor einer ganzen Weile angefangen an der Universität von Oxford daran zu arbeiten,
02:51
and we triedversucht to startAnfang very simplyeinfach.
51
159000
2000
mit sehr einfachen Beispielen.
02:53
What we triedversucht to do was teachlehren a stickStock figureZahl how to walkgehen.
52
161000
3000
Wir versuchten, einem Strichmännchen das Laufen beizubringen.
02:56
That stickStock figureZahl is physicallyphysisch stimulatedstimuliert. You can see it here on the screenBildschirm.
53
164000
3000
Dieses Strichmännchen ist eine physische Simulation, sie können es hier auf dem Bildschirm sehen.
02:59
So, it's subjectFach to gravitySchwerkraft, has jointsGelenke, etcetc.
54
167000
3000
Das heißt es unterliegt den Gesetzen der Schwerkraft, hat Gelenke, etc.
03:02
If you just runLauf the simulationSimulation, it will just collapseZusammenbruch, like this.
55
170000
3000
Wenn wir die Simulation nun starten, fällt es einfach so in sich zusammen.
03:05
The trickyschwierig bitBit is now to put an AIAI controllerController in it
56
173000
4000
Der schwere Teil ist jetzt, eine künstliche Intelligenz in das Männchen einzupflanzen,
03:09
that actuallytatsächlich makesmacht it work.
57
177000
2000
die es funktionieren lässt.
03:11
And for that, we use the neuralneuronale networkNetzwerk, whichwelche we basedbasierend on
58
179000
3000
Diese KI haben wir nach dem Vorbild des Teils unseres Nervensystems
03:14
that partTeil of the nervousnervös systemSystem that we have in our spineRücken
59
182000
2000
entwickelt, den wir in unserer Wirbelsäule haben
03:16
that controlsKontrollen walkingGehen in humansMenschen.
60
184000
2000
welcher uns ermöglicht, zu laufen.
03:18
It's callednamens the centralzentral patternMuster generatorGenerator.
61
186000
2000
Wir nennen es den zentralen Verhaltensgenerator.
03:20
So, we simulatedsimuliert that as well, and then the really trickyschwierig bitBit
62
188000
3000
Also simulierten wir auch das und kamen zum wirklich schwierigen Teil,
03:23
is to teachlehren that networkNetzwerk how to walkgehen.
63
191000
2000
nämlich dieser KI nun beizubringen zu laufen.
03:25
For that we used artificialkünstlich evolutionEvolution -- geneticgenetisch algorithmsAlgorithmen.
64
193000
4000
Dafür benutzten wir künstliche Evolution – genetische Algorithmen.
03:29
We heardgehört about those alreadybereits yesterdaygestern,
65
197000
2000
Wir haben gestern schon ein Wenig darüber gehört,
03:31
and I supposeannehmen that mostdie meisten of you are familiarfamiliär with that alreadybereits.
66
199000
3000
und ich schätze das ist jetzt nichts Neues für die meisten unter euch.
03:34
But, just brieflykurz, the conceptKonzept is that
67
202000
2000
Also nur ganz kurz: Die Idee ist,
03:36
you createerstellen a largegroß numberNummer of differentanders individualsIndividuen --
68
204000
3000
eine große Anzahl verschiedener Individuen herzustellen –
03:39
neuralneuronale networksNetzwerke, in this caseFall --
69
207000
2000
in diesem Fall Nervennetze –
03:41
all of whichwelche are randomzufällig at the beginningAnfang.
70
209000
2000
welche zunächst allesamt zufallsgeneriert sind.
03:43
You hookHaken these up -- in this caseFall, to the virtualvirtuell musclesMuskeln
71
211000
2000
Man verbindet diese dann in diesem Fall
03:45
of that two-leggedzweibeinigen creatureKreatur here --
72
213000
3000
mit den virtuellen Muskeln dieser zweibeinigen Kreatur hier –
03:48
and hopeHoffnung that it does something interestinginteressant.
73
216000
3000
und hofft, dass etwas Interessantes passiert.
03:51
At the beginningAnfang, they're all going to be very boringlangweilig.
74
219000
2000
Zunächst werden die Resultate alle sehr langweilig sein.
03:53
MostDie meisten of them won'tGewohnheit moveBewegung at all,
75
221000
2000
Die Meisten werden einfach gar nichts tun,
03:55
but some of them mightMacht make a tinysehr klein stepSchritt.
76
223000
2000
aber ein paar wenige könnten einen kleinen Schritt tun.
03:57
Those are then selectedausgewählt by the algorithmAlgorithmus,
77
225000
2000
Der Algorithmus wählt diese Wenigen dann aus,
03:59
reproducedreproduziert with mutationMutation and recombinationsRekombinationen to introducevorstellen sexSex as well.
78
227000
4000
reproduziert sie mit Mutation und Rekombination, wie bei unserer Fortpflanzung.
04:03
And you repeatwiederholen that processverarbeiten over and over again,
79
231000
2000
Dann wiederholt man diesen Prozess immer und immer wieder,
04:05
untilbis you have something that walksSpaziergänge --
80
233000
2000
bis etwas Brauchbares dabei herauskommt –
04:07
in this caseFall, in a straightGerade lineLinie, like this.
81
235000
2000
in diesem Fall soll die Figur, so wie ich, geradeaus laufen.
04:09
So that was the ideaIdee behindhinter this.
82
237000
2000
Das ist der Gedanke dahinter.
04:11
When we startedhat angefangen this, I setSet up the simulationSimulation one eveningAbend.
83
239000
3000
Als wir anfingen, startete ich eines Abends diese Simulation.
04:14
It tookdauerte about threedrei to fourvier hoursStd. to runLauf the simulationSimulation.
84
242000
3000
Es dauerte gut drei bis vier Stunden, alles einzurichten.
04:17
I got up the nextNächster morningMorgen, wentging to the computerComputer and lookedsah at the resultsErgebnisse,
85
245000
4000
Am nächsten Morgen stand ich auf und sah mir die Ergebnisse an,
04:21
and was hopinghoffend for something that walkedging in a straightGerade lineLinie,
86
249000
3000
in der Hoffnung, das Männchen könne in einer geraden Linie gehen,
04:24
like I've just demonstratedgezeigt,
87
252000
2000
so wie ich es gerade demonstriert habe.
04:26
and this is what I got insteadstattdessen.
88
254000
2000
Stattdessen bekam ich das hier.
04:28
(LaughterLachen)
89
256000
10000
(Gelächter)
04:38
So, it was back to the drawingZeichnung boardTafel for us.
90
266000
3000
Also fingen wir von vorne an.
04:42
We did get it to work eventuallyschließlich,
91
270000
3000
Irgendwann kriegten wir es auch hin,
04:45
after tweakingFeinabstimmung a bitBit here and there.
92
273000
2000
nach ein paar Änderungen hier und da.
04:47
And this is an exampleBeispiel of a successfulerfolgreich evolutionaryevolutionär runLauf.
93
275000
3000
Hier ist ein Beispiel eines erfolgreichen Evolutionsablaufs.
04:50
So, what you'lldu wirst see in a momentMoment is a very simpleeinfach bipedBiped
94
278000
3000
Was ich gleich zeigen werde, ist ein sehr einfacher Zweibeiner,
04:53
that's learningLernen how to walkgehen usingmit artificialkünstlich evolutionEvolution.
95
281000
3000
der durch künstliche Evolution lernt zu laufen.
04:56
At the beginningAnfang, it can't walkgehen at all,
96
284000
2000
Am Anfang kann er gar nicht laufen,
04:58
but it will get better and better over time.
97
286000
2000
aber mit der Zeit wird er immer besser und besser.
05:02
So, this is the one that can't walkgehen at all.
98
290000
3000
Hier ist der erste Versuch, der gar nicht laufen kann.
05:05
(LaughterLachen)
99
293000
6000
(Gelächter)
05:11
Now, after fivefünf generationsGenerationen of applyingbewirbt sich evolutionaryevolutionär processverarbeiten,
100
299000
3000
Jetzt, nach Fünf Generationen unseres künstlichen Evolutionsablaufs
05:14
the geneticgenetisch algorithmAlgorithmus is gettingbekommen a tinysehr klein bitBit better.
101
302000
3000
wird der genetische Algorithmus ein kleines bisschen besser.
05:17
(LaughterLachen)
102
305000
8000
(Gelächter)
05:25
GenerationGeneration 10 and it'lles wird take a fewwenige stepsSchritte more --
103
313000
2000
Mit Generation 10 geht er schon ein paar Schritte weiter –
05:31
still not quiteganz there.
104
319000
2000
noch nicht ganz perfekt.
05:34
But now, after generationGeneration 20, it actuallytatsächlich walksSpaziergänge in a straightGerade lineLinie withoutohne fallingfallend over.
105
322000
5000
Aber jetzt, nach der 20. Generation, geht er tatsächlich in einer geraden Linie ohne zu stürzen.
05:40
That was the realecht breakthroughDurchbruch for us.
106
328000
3000
Das war für uns der große Durchbruch.
05:43
It was, academicallyakademisch, quiteganz a challengingherausfordernd projectProjekt,
107
331000
3000
Es war, auf akademischer Ebene, ein recht forderndes Projekt,
05:46
and onceEinmal we had reachederreicht that stageStufe, we were quiteganz confidentzuversichtlich
108
334000
3000
und als wir dieses Stadium erreichten, waren wir zuversichtlich,
05:49
that we could try and do other things as well with this approachAnsatz --
109
337000
3000
dass wir viele andere Erfolge mit diesem Ansatz erreichen könnten –
05:52
actuallytatsächlich simulatingSimulation von the bodyKörper
110
340000
2000
eine echte Simulation des Körpers
05:54
and simulatingSimulation von that partTeil of the nervousnervös systemSystem that controlsKontrollen it.
111
342000
3000
und des Nervensystems, das ihn kontrolliert.
05:57
Now, at this stageStufe, it alsoebenfalls becamewurde clearklar that this could be very excitingaufregend
112
345000
3000
Nun, in diesem Stadium wurde uns langsam klar, dass diese Technologie sehr aufregend
06:00
for things like computerComputer gamesSpiele or onlineonline worldsWelten.
113
348000
3000
für Videospiele und Onlinewelten werden könnte.
06:03
What you see here is the characterCharakter standingStehen there,
114
351000
2000
Was wir hier sehen, ist ein Charakter
06:05
and there's an obstacleHindernis that we put in its way.
115
353000
2000
und ein Hindernis in seinem Weg.
06:07
And what you see is, it's going to fallfallen over the obstacleHindernis.
116
355000
5000
Wie wir sehen, stürzt er über das Hindernis.
06:12
Now, the interestinginteressant bitBit is, if I moveBewegung the obstacleHindernis a tinysehr klein bitBit to the right,
117
360000
3000
Das Interessante daran ist, wenn ich das Hindernis ein wenig nach rechts bewege,
06:15
whichwelche is what I'm doing now, here,
118
363000
2000
wie ich es gerade mache,
06:17
it will fallfallen over it in a completelyvollständig differentanders way.
119
365000
4000
fällt er auf eine völlig andere Weise.
06:24
And again, if you moveBewegung the obstacleHindernis a tinysehr klein bitBit, it'lles wird again fallfallen differentlyanders.
120
372000
5000
Und wenn ich das Hindernis wieder ein wenig bewege, fällt er wieder anders.
06:29
(LaughterLachen)
121
377000
2000
(Gelächter)
06:31
Now, what you see, by the way, at the topoben there,
122
379000
2000
Was wir nebenbei oben rechts sehen,
06:33
are some of the neuralneuronale activationsAktivierungen beingSein fedgefüttert into the virtualvirtuell musclesMuskeln.
123
381000
3000
sind ein paar der Nervensignale, die an die virtuellen Muskeln gesendet werden.
06:36
Okay. That's the videoVideo. ThanksVielen Dank.
124
384000
2000
Okay. Das war das Video, danke.
06:38
Now, this mightMacht look kindArt of trivialtrivial, but it's actuallytatsächlich very importantwichtig
125
386000
3000
Das ganze mag ziemlich belanglos wirken, aber in Wirklichkeit ist es sehr wichtig,
06:41
because this is not something you get at the momentMoment
126
389000
2000
weil es sowas zurzeit in keiner interaktiven
06:43
in any interactiveinteraktiv or any virtualvirtuell worldsWelten.
127
391000
2000
oder virtuellen Welt gibt.
06:48
Now, at this stageStufe, we decidedbeschlossen to startAnfang a companyUnternehmen and moveBewegung this furtherdes Weiteren,
128
396000
3000
In diesem Stadium entschieden wir, eine Firma zu gründen und es weiter zu verbessern,
06:51
because obviouslyoffensichtlich this was just a very simpleeinfach, blockyBlocky bipedBiped.
129
399000
3000
denn bisher war das nur ein simpler, kantiger Zweibeiner.
06:54
What we really wanted was a fullvoll humanMensch bodyKörper.
130
402000
2000
Was wir wirklich wollten, war der ganze menschliche Körper.
06:56
So we startedhat angefangen the companyUnternehmen.
131
404000
1000
Also gründeten wir die Firma.
06:57
We hiredgemietet a teamMannschaft of physicistsPhysiker, softwareSoftware engineersIngenieure and biologistsBiologen
132
405000
5000
Wir stellten eine Gruppe aus Physikern, Software-Ingenieuren und Biologen zusammen,
07:02
to work on this, and the first thing we had to work on
133
410000
3000
um an dem Projekt weiterzuarbeiten. Zunächst wollten wir
07:05
was to createerstellen the humanMensch bodyKörper, basicallyGrundsätzlich gilt.
134
413000
4000
im Grunde den menschlichen Körper nachbauen.
07:09
It's got to be relativelyverhältnismäßig fastschnell, so you can runLauf it on a normalnormal machineMaschine,
135
417000
3000
Er musste recht einfach bleiben, sodass wir ihn auf einem normalen Computer simulieren konnten,
07:12
but it's got to be accurategenau enoughgenug, so it lookssieht aus good enoughgenug, basicallyGrundsätzlich gilt.
136
420000
3000
aber er musste akkurat genug sein, so dass er gut genug aussah.
07:15
So we put quiteganz a bitBit of biomechanicalbiomechanische knowledgeWissen into this thing,
137
423000
3000
Es floss also eine ganze Menge biomechanischer Expertise in dieses Projekt,
07:18
and triedversucht to make it as realisticrealistische as possiblemöglich.
138
426000
4000
und wir versuchten es so realistisch wie möglich zu machen.
07:22
What you see here on the screenBildschirm right now
139
430000
2000
Was wir hier auf dem Schirm sehen,
07:24
is a very simpleeinfach visualizationVisualisierung of that bodyKörper.
140
432000
2000
ist eine sehr einfache Visualisierung dieses Körpers.
07:26
I should addhinzufügen that it's very simpleeinfach to addhinzufügen things like hairHaar, clothesKleider, etcetc.,
141
434000
4000
sollte noch erwähnen, dass es sehr leicht ist ihm noch Haare, Kleidung, etc. zu geben
07:30
but what we'vewir haben doneerledigt here is use a very simpleeinfach visualizationVisualisierung,
142
438000
3000
doch wir verwendeten hier eine sehr einfache Visualisierung,
07:33
so you can concentratekonzentrieren on the movementBewegung.
143
441000
2000
sodass ihr euch auf die Bewegungen konzentrieren könnt.
07:35
Now, what I'm going to do right now, in a momentMoment,
144
443000
3000
Was ich gleich tun werde,
07:38
is just pushdrücken this characterCharakter a tinysehr klein bitBit and we'llGut see what happensdas passiert.
145
446000
3000
ist diesem Charakter einen kleinen Schubs geben und wir werden sehen, was passiert.
07:46
Nothing really interestinginteressant, basicallyGrundsätzlich gilt.
146
454000
2000
Nichts wirklich Interessantes eigentlich.
07:48
It fallsStürze over, but it fallsStürze over like a ragLappen dollPuppe, basicallyGrundsätzlich gilt.
147
456000
3000
Er stürzt, aber er stürzt wie eine Puppe,
07:51
The reasonGrund for that is that there's no intelligenceIntelligenz in it.
148
459000
3000
weil hier noch keine Intelligenz am Werk ist.
07:54
It becomeswird interestinginteressant when you put artificialkünstlich intelligenceIntelligenz into it.
149
462000
4000
Interessant wird es, wenn wir eine künstliche Intelligenz einsetzen.
07:58
So, this characterCharakter now has motorMotor- skillsFähigkeiten in the upperobere bodyKörper --
150
466000
4000
Unser Charakter hat nun also eine motorische Intelligenz in seinem Oberkörper –
08:02
nothing in the legsBeine yetnoch, in this particularinsbesondere one.
151
470000
2000
noch keine in den Beinen, in diesem Beispiel.
08:04
But what it will do -- I'm going to pushdrücken it again.
152
472000
3000
Was er nun tun wird – ich gebe ihm nochmal einen Stoß.
08:07
It will realizerealisieren autonomouslyautonom that it's beingSein pushedgestoßen.
153
475000
2000
Er wird merken, dass er gestoßen wird.
08:09
It's going to stickStock out its handsHände.
154
477000
2000
Er wird seine Arme ausstrecken,
08:11
It's going to turnWende around into the fallfallen, and try and catchFang the fallfallen.
155
479000
3000
sich in Fallrichtung wenden und versuchen sich abzustützen.
08:20
So that's what you see here.
156
488000
2000
Das sehen wir hier.
08:22
Now, it getsbekommt really interestinginteressant
157
490000
2000
Es wird erst richtig interessant,
08:24
if you then addhinzufügen the AIAI for the lowerniedriger partTeil of the bodyKörper as well.
158
492000
4000
wenn wir auch die KI für den Unterkörper hinzufügen.
08:28
So here, we'vewir haben got the samegleich characterCharakter.
159
496000
2000
Wir haben hier den selben Charakter.
08:30
I'm going to pushdrücken it a bitBit harderSchwerer now,
160
498000
2000
Ich werde ihn ein wenig stärker schubsen,
08:32
harderSchwerer than I just pushedgestoßen ChrisChris.
161
500000
2000
stärker als ich gerade Chris gestoßen habe.
08:34
But what you'lldu wirst see is -- it's going to receiveerhalten a pushdrücken now from the left.
162
502000
4000
Er kriegt einen Stoß von links.
08:41
What you see is it takes stepsSchritte backwardsrückwärts,
163
509000
2000
Wir sehen, dass er einen Schritt nach hinten macht,
08:43
it triesversucht to counter-balanceGegengewicht,
164
511000
2000
er versucht aufrecht zu bleiben,
08:45
it triesversucht to look at the placeOrt where it thinksdenkt it's going to landLand.
165
513000
4000
schaut auf den Punkt wo er hin fällt.
08:49
I'll showShow you this again.
166
517000
2000
Ich zeige es noch einmal.
08:51
And then, finallyendlich hitsHits the floorStock.
167
519000
3000
Und nun fällt er zu Boden.
08:55
Now, this becomeswird really excitingaufregend
168
523000
3000
Dies wird noch aufregender,
08:58
when you pushdrücken that characterCharakter in differentanders directionsRichtungen, again, just as I've doneerledigt.
169
526000
5000
wenn man den Charakter in andere Richtungen schubst, wie ich es getan habe.
09:03
That's something that you cannotnicht können do right now.
170
531000
4000
Sowas kann man bisher nicht machen.
09:07
At the momentMoment, you only have emptyleer computerComputer graphicsGrafik in gamesSpiele.
171
535000
3000
Zurzeit gibt es nur leere Darstellungen in Spielen.
09:10
What this is now is a realecht simulationSimulation. That's what I want to showShow you now.
172
538000
3000
Jetzt haben wir eine echte Simulation. Das will ich euch jetzt zeigen.
09:13
So, here'shier ist the samegleich characterCharakter with the samegleich behaviorVerhalten I've just showngezeigt you,
173
541000
3000
Hier ist der gleiche Charakter mit dem Verhalten, dass ich gerade gezeigt habe,
09:16
but now I'm just going to pushdrücken it from differentanders directionsRichtungen.
174
544000
2000
aber jetzt stoße ich ihn aus verschiedenen Richtungen.
09:18
First, startingbeginnend with a pushdrücken from the right.
175
546000
2000
Zuerst ein Stoß von rechts.
09:23
This is all slowlangsam motionBewegung, by the way, so we can see what's going on.
176
551000
3000
Die ist alles in Zeitlupe, damit wir sehen können, was passiert.
09:26
Now, the angleWinkel will have changedgeändert a tinysehr klein bitBit,
177
554000
3000
Jetzt hab ich den Stoßwinkel ein klein wenig verändert,
09:29
so you can see that the reactionReaktion is differentanders.
178
557000
4000
und die Reaktion ist anders.
09:33
Again, a pushdrücken, now this time from the frontVorderseite.
179
561000
3000
Wieder ein Stoß, diesmal von vorn.
09:37
And you see it fallsStürze differentlyanders.
180
565000
2000
Und er fällt anders.
09:39
And now from the left --
181
567000
2000
Jetzt von links -
09:43
and it fallsStürze differentlyanders.
182
571000
2000
und er fällt anders.
09:45
That was really excitingaufregend for us to see that.
183
573000
2000
Das zu sehen war für uns sehr aufregend.
09:47
That was the first time we'vewir haben seengesehen that.
184
575000
2000
Dies war das erste Mal, dass wir so etwas sahen.
09:49
This is the first time the publicÖffentlichkeit seessieht this as well,
185
577000
2000
Es ist auch das erste Mal, dass die Öffentlichkeit das sieht,
09:51
because we have been in stealthStealth modeModus.
186
579000
2000
denn wir waren im Tarnmodus,
09:53
I haven'thabe nicht showngezeigt this to anybodyirgendjemand yetnoch.
187
581000
2000
wir haben es bisher niemandem gezeigt.
09:55
Now, just a funSpaß thing:
188
583000
2000
Jetzt kommt etwas Lustiges,
09:57
what happensdas passiert if you put that characterCharakter --
189
585000
2000
was passiert, wenn man diesen Charakter -
09:59
this is now a woodenaus Holz versionVersion of it, but it's got the samegleich AIAI in it --
190
587000
2000
dies ist eine hölzerne Version mit der gleichen KI -
10:01
but if you put that characterCharakter on a slipperyrutschig surfaceOberfläche, like iceEis.
191
589000
2000
wenn man diesen Charakter auf etwas rutschiges wie Eis stellt.
10:03
We just did that for a laughLachen, just to see what happensdas passiert.
192
591000
3000
Das haben wir nur zum Spaß gemacht, um zu sehen, was passiert.
10:06
(LaughterLachen)
193
594000
1000
(Gelächter)
10:07
And this is what happensdas passiert.
194
595000
2000
Und das hier kam dabei heraus.
10:09
(LaughterLachen)
195
597000
3000
(Gelächter)
10:12
(ApplauseApplaus)
196
600000
3000
(Applaus)
10:15
It's nothing we had to do about this.
197
603000
2000
Wir mussten nichts weiter tun,
10:17
We just tookdauerte this characterCharakter that I just talkedsprach about,
198
605000
2000
als diesen Charakter, von dem ich gerade erzählte,
10:19
put it on a slipperyrutschig surfaceOberfläche, and this is what you get out of it.
199
607000
3000
auf eine rutschige Fläche zu stellen, und das kam dabei heraus.
10:22
And that's a really fascinatingfaszinierend thing about this approachAnsatz.
200
610000
3000
Und das ist das faszinierende an unserer Methode.
10:26
Now, when we wentging to filmFilm studiosStudios and gamesSpiele developersEntwickler
201
614000
3000
Nun, als wir Filmstudios und Spieleentwickler besuchten
10:29
and showedzeigte them that technologyTechnologie, we got a very good responseAntwort.
202
617000
3000
und ihnen diese Technologie zeigten, war ihre Reaktion sehr positiv.
10:32
And what they said was, the first thing they need immediatelysofort is virtualvirtuell stuntmenStuntmen.
203
620000
4000
Und sie sagten uns, das erste, was sie brauchen sind virtuelle Stuntmänner.
10:36
Because stuntsStunts are obviouslyoffensichtlich very dangerousgefährlich, they're very expensiveteuer,
204
624000
4000
Stunts sind offensichtlich sehr gefährlich und sehr teuer
10:40
and there are a lot of stuntStunt scenesSzenen that you cannotnicht können do, obviouslyoffensichtlich,
205
628000
2000
und es gibt viele Stuntszenen, die einfach nicht möglich sind,
10:42
because you can't really allowzulassen the stuntmanStuntman to be seriouslyernst hurtverletzt.
206
630000
3000
weil der Stuntman sich dabei nicht ernsthaft verletzen darf.
10:45
So, they wanted to have a digitaldigital versionVersion of a stuntmanStuntman
207
633000
3000
Also wollten sie eine digitale Version eines Stuntmans
10:48
and that's what we'vewir haben been workingArbeiten on for the pastVergangenheit fewwenige monthsMonate.
208
636000
2000
und wir haben die letzten paar Monate daran gearbeitet.
10:50
And that's our first productProdukt that we're going to releaseFreisetzung in a couplePaar of weeksWochen.
209
638000
5000
Und das wird das erste Produkt, das wir veröffentlichen werden.
10:55
So, here are just a fewwenige very simpleeinfach scenesSzenen of the guy just beingSein kickedgekickt.
210
643000
5000
Hier sind ein paar einfache Szenen, wie er getreten wird.
11:00
That's what people want. That's what we're givinggeben them.
211
648000
2000
Wenn die Leute sowas wollen, dann geben wir es ihnen.
11:02
(LaughterLachen)
212
650000
7000
(Gelächter)
11:09
You can see, it's always reactingreagierend.
213
657000
2000
Wie ihr seht gibt es immer eine Reaktion.
11:11
This is not a deadtot bodyKörper. This is a bodyKörper who basicallyGrundsätzlich gilt, in this particularinsbesondere caseFall,
214
659000
4000
Es ist kein toter Körper. Es ist ein Körper, der, in diesem Fall,
11:15
feelsfühlt sich the forceKraft and triesversucht to protectschützen its headKopf.
215
663000
2000
den Tritt spürt und versucht seinen Kopf zu schützen.
11:17
Only, I think it's quiteganz a biggroß blowSchlag again.
216
665000
2000
Hier kommt noch ein starker Schlag.
11:19
You feel kindArt of sorry for that thing,
217
667000
2000
Man bemitleidet ihn irgendwie,
11:21
and we'vewir haben seengesehen it so manyviele timesmal now that
218
669000
2000
wir haben es schon so oft gesehen,
11:23
we don't really carePflege any more.
219
671000
2000
dass es uns ziemlich egal ist.
11:25
(LaughterLachen)
220
673000
1000
(Gelächter)
11:26
There are much worseschlechter videosVideos than this, by the way, whichwelche I have takengenommen out, but ...
221
674000
4000
Wir haben ein paar viel schlimmer Videos als das, die ich entfernt habe, aber...
11:31
Now, here'shier ist anotherein anderer one.
222
679000
2000
Hier ist noch eins.
11:33
What people wanted as a behaviorVerhalten was to have an explosionExplosion,
223
681000
4000
Was die Leute für ein Verhalten wollten, war eine Explosion,
11:37
a strongstark forceKraft appliedangewendet to the characterCharakter,
224
685000
2000
eine große Wucht, die den Charakter trifft,
11:39
and have the characterCharakter reactreagieren to it in midairLuft.
225
687000
2000
und der Charakter sollte im Flug reagieren.
11:41
So that you don't have a characterCharakter that lookssieht aus limpLimp,
226
689000
2000
So, dass wir keinen Charakter haben, der schlaff ist,
11:43
but actuallytatsächlich a characterCharakter that you can use in an actionAktion filmFilm straightGerade away,
227
691000
3000
sondern einen Charakter der direkt für einen Actionfilm benutzt werden kann,
11:46
that lookssieht aus kindArt of aliveam Leben in midairLuft as well.
228
694000
2000
der auch im Flug irgendwie lebendig wirkt.
11:48
So this characterCharakter is going to be hitschlagen by a forceKraft,
229
696000
2000
Dieser Charakter wird also mit großer Wucht getroffen,
11:50
it's going to realizerealisieren it's in the airLuft,
230
698000
2000
merkt, dass er durch die Luft fliegt
11:52
and it's going to try and, well,
231
700000
3000
und versucht seinen Arm
11:55
stickStock out its armArm in the directionRichtung where it's landingLandung.
232
703000
2000
in die Richtung in der er landen wird auszustrecken.
11:59
That's one angleWinkel; here'shier ist anotherein anderer angleWinkel.
233
707000
3000
Das war ein Blickwinkel, hier ist ein anderer.
12:02
We now think that the realismRealismus we're achievingerreichen with this
234
710000
2000
Wir denken, dass der Realismus, den wir so erreichen,
12:04
is good enoughgenug to be used in filmsFilme.
235
712000
2000
gut genug ist, um in Filmen benutzt zu werden.
12:06
And let's just have a look at a slightlyleicht differentanders visualizationVisualisierung.
236
714000
3000
Schauen wir uns jetzt eine etwas andere Visualisierung an.
12:09
This is something I just got last night
237
717000
2000
Das hier habe ich erst gestern Nacht erhalten.
12:11
from an animationAnimation studioStudio in LondonLondon, who are usingmit our softwareSoftware
238
719000
3000
von einem Londoner Studio erhalten, das unsere Software benutzt
12:14
and experimentingexperimentieren with it right now.
239
722000
2000
und zurzeit mit ihr experimentiert.
12:16
So this is exactlygenau the samegleich behaviorVerhalten that you saw,
240
724000
3000
Wie ihr seht, ist es das gleiche Verhalten wie eben,
12:19
but in a slightlyleicht better renderedgerendert versionVersion.
241
727000
4000
aber ein wenig besser visualisiert.
12:23
So if you look at the characterCharakter carefullyvorsichtig,
242
731000
3000
Wenn man sich den Charakter genau ansieht,
12:26
you see there are lots of bodyKörper movementsBewegungen going on,
243
734000
2000
dann sieht man, dass sehr viele Körperbewegungen vor sich gehen,
12:28
nonekeiner of whichwelche you have to animateanimieren like in the oldalt daysTage.
244
736000
2000
von denen keine einzige animiert werden musste, wie früher.
12:30
AnimatorsAnimatoren had to actuallytatsächlich animateanimieren them.
245
738000
2000
Sie mussten alle einzeln animiert werden.
12:32
This is all happeningHappening automaticallyautomatisch in the simulationSimulation.
246
740000
2000
In dieser Simulation passiert das vollautomatisch.
12:34
This is a slightlyleicht differentanders angleWinkel,
247
742000
2000
Hier sehen wir es von einem etwas anderen Blickwinkel.
12:39
and again a slowlangsam motionBewegung versionVersion of this.
248
747000
2000
Und nochmal in Zeitlupe.
12:41
This is incrediblyunglaublich quickschnell. This is happeningHappening in realecht time.
249
749000
4000
Es geht sehr schnell. Dies passiert in Echtzeit.
12:45
You can runLauf this simulationSimulation in realecht time, in frontVorderseite of your eyesAugen,
250
753000
2000
Die Simulation kann in Echtzeit abgespielt werden, vor unseren Augen.
12:47
changeVeränderung it, if you want to, and you get the animationAnimation straightGerade out of it.
251
755000
3000
Wir können Änderungen machen und die Animation wird uns direkt gezeigt.
12:50
At the momentMoment, doing something like this by handHand
252
758000
2000
Zurzeit würde es wahrscheinlich einige Tage dauern,
12:52
would take you probablywahrscheinlich a couplePaar of daysTage.
253
760000
2000
sowas von Hand zu animieren.
12:55
This is anotherein anderer behaviorVerhalten they requestedangefordert.
254
763000
3000
Das hier ist ein anderes gefordertes Verhalten.
12:58
I'm not quiteganz sure why, but we'vewir haben doneerledigt it anywaysowieso.
255
766000
2000
Ich bin mir nicht sicher warum, aber wir haben es trotzdem gemacht.
13:00
It's a very simpleeinfach behaviorVerhalten that showszeigt an you the powerLeistung of this approachAnsatz.
256
768000
2000
Es ist ein einfaches Verhalten, das das Potential unseres Ansatzes demonstriert.
13:02
In this caseFall, the character'sCharakters handsHände
257
770000
2000
Die Hände des Charakters
13:04
are fixedFest to a particularinsbesondere pointPunkt in spacePlatz,
258
772000
2000
sind an einem bestimmten Punkt im Raum befestigt,
13:06
and all we'vewir haben told the characterCharakter to do is to struggleKampf.
259
774000
3000
und wir haben dem Charakter vorgegeben, sich zu wehren.
13:09
And it lookssieht aus organicorganisch. It lookssieht aus realisticrealistische.
260
777000
3000
Es sieht natürlich aus, sehr realistisch.
13:12
You feel kindArt of sorry for the guy.
261
780000
2000
Man hat leicht Mitleid mit dem Typen.
13:14
It's even worseschlechter -- and that is anotherein anderer videoVideo I just got last night --
262
782000
3000
Es wird noch schlimmer - hier ist ein Video von letzter Nacht -
13:17
if you rendermachen that a bitBit more realisticallyrealistisch.
263
785000
2000
wenn man es etwas realistischer darstellt.
13:23
Now, I'm showingzeigt this to you just to showShow you
264
791000
2000
Ich zeige euch das nur, um zu demonstrieren,
13:25
how organicorganisch it actuallytatsächlich can feel, how realisticrealistische it can look.
265
793000
2000
wie natürlich sich diese Animationen anfühlen, wie realistisch sie aussehen.
13:27
And this is all a physicalphysisch simulationSimulation of the bodyKörper,
266
795000
3000
Es ist eine vollständige, physikalische Simulation des Körpers,
13:30
usingmit AIAI to driveFahrt virtualvirtuell musclesMuskeln in that bodyKörper.
267
798000
3000
die mit einer KI die virtuellen Muskeln des Körpers kontrolliert.
13:35
Now, one thing whichwelche we did for a laughLachen was
268
803000
3000
Eine Sache, die wir zum Spaß getan haben,
13:38
to createerstellen a slightlyleicht more complexKomplex stuntStunt sceneSzene,
269
806000
2000
war ein etwas komplexerer Stunt.
13:40
and one of the mostdie meisten famousberühmt stuntsStunts is the one where JamesJames BondBond
270
808000
3000
Einer der berühmtesten Stunts ist, James Bonds
13:43
jumpsspringt off a damDamm in SwitzerlandSchweiz and then is caughterwischt by a bungeeBungee.
271
811000
4000
Sprung von einem Damm in der Schweiz mit einem Bungeeseil.
13:48
Got a very shortkurz clipKlammer here.
272
816000
2000
Hier ein ganz kurzer Clip.
13:54
Yes, you can just about see it here.
273
822000
2000
Das ist im Grunde alles, was es zu sehen gibt.
13:56
In this caseFall, they were usingmit a realecht stuntStunt man. It was a very dangerousgefährlich stuntStunt.
274
824000
3000
In der Szene wurde ein echter Stuntman benutzt. Für einen sehr gefährlichen Stunt.
13:59
It was just votedgewählt, I think in the SundaySonntag TimesMale, as one of the mostdie meisten impressivebeeindruckend stuntsStunts.
275
827000
3000
Es wurde gerade erst, ich glaube in der Sunday Times, zu einem der beeindruckendsten Stunts gewählt.
14:02
Now, we'vewir haben just triedversucht and -- lookedsah at our characterCharakter and askedaufgefordert ourselvesuns selbst,
276
830000
3000
Nun, wir guckten uns unseren Charakter an und fragten uns:
14:05
"Can we do that ourselvesuns selbst as well?"
277
833000
2000
"Können wir das selbst nachmachen?"
14:07
Can we use the physicalphysisch simulationSimulation of the characterCharakter,
278
835000
2000
Können wir unsere Simulation benutzen,
14:09
use artificialkünstlich intelligenceIntelligenz,
279
837000
2000
mit unserer künstlichen Intelligenz,
14:11
put that artificialkünstlich intelligenceIntelligenz into the characterCharakter,
280
839000
2000
die wir in unseren Charaktern einpflanzen,
14:13
driveFahrt virtualvirtuell musclesMuskeln, simulatesimulieren the way he jumpsspringt off the damDamm,
281
841000
4000
um die virtuellen Muskeln zu bedienen, und simulieren, wie er vom Damm springt,
14:17
and then skydiveSkydive afterwardsdanach,
282
845000
2000
den Kopfsprung danach macht,
14:19
and have him caughterwischt by a bungeeBungee afterwardsdanach?
283
847000
2000
und ihn dann von einem Bungeeseil auffangen lassen?
14:21
We did that. It tookdauerte about altogetherinsgesamt just two hoursStd.,
284
849000
3000
Wir machten genau das. Es hat vielleicht knapp 2 Stunden gedauert,
14:24
prettyziemlich much, to createerstellen the simulationSimulation.
285
852000
2000
die Simulation zu produzieren.
14:26
And that's what it lookssieht aus like, here.
286
854000
2000
Und so sah das Ergebnis aus, hier.
14:37
Now, this could do with a bitBit more work. It's still very earlyfrüh stagesStufen,
287
865000
3000
Es braucht noch ein wenig mehr Arbeit, es ist noch in einer frühen Phase,
14:40
and we prettyziemlich much just did this for a laughLachen,
288
868000
2000
und wir taten es, wie gesagt, nur zum Spaß,
14:42
just to see what we'dheiraten get out of it.
289
870000
2000
um zu sehen was dabei rauskommt.
14:44
But what we foundgefunden over the pastVergangenheit fewwenige monthsMonate
290
872000
2000
Aber wir fanden in den letzten Monat heraus,
14:46
is that this approachAnsatz -- that we're prettyziemlich much standardStandard uponauf --
291
874000
3000
dass unser Ansatz -- der unseren Arbeitsstandard bildet --
14:49
is incrediblyunglaublich powerfulmächtig.
292
877000
2000
unglaublich wirkungsvoll ist.
14:51
We are ourselvesuns selbst surprisedüberrascht what you actuallytatsächlich get out of the simulationsSimulationen.
293
879000
4000
Wir sind selbst überrascht, was für Simulationen wir am Ende bekommen.
14:55
There's very oftenhäufig very surprisingüberraschend behaviorVerhalten that you didn't predictvorhersagen before.
294
883000
4000
Oft kriegen wir sehr überraschendes Verhalten, das wir so nicht erwartet hätten.
14:59
There's so manyviele things we can do with this right now.
295
887000
2000
Wir können mittlerweile so viele Sachen damit veranstalten.
15:01
The first thing, as I said, is going to be virtualvirtuell stuntmenStuntmen.
296
889000
3000
Zunächst, wie gesagt, machen wir virtuelle Stuntmänner.
15:04
SeveralMehrere studiosStudios are usingmit this softwareSoftware now to produceproduzieren virtualvirtuell stuntmenStuntmen,
297
892000
4000
Einige Studios nutzen bereits unsere Software um genau das zu tun,
15:08
and they're going to hitschlagen the screenBildschirm quiteganz soonbald, actuallytatsächlich,
298
896000
2000
und wir werden schon bald ein paar von unseren Stuntmännern
15:10
for some majorHaupt productionsProduktionen.
299
898000
2000
in ein paar großen Filmproduktionen zu sehen bekommen.
15:12
The secondzweite thing is videoVideo gamesSpiele.
300
900000
3000
Das zweite sind Videospiele.
15:15
With this technologyTechnologie, videoVideo gamesSpiele will look differentanders and they will feel very differentanders.
301
903000
4000
Mit dieser Technologie, werden Spiele anders aussehen und sich völlig anders anfühlen.
15:19
For the first time, you'lldu wirst have actorsSchauspieler that really feel very interactiveinteraktiv,
302
907000
3000
Zum ersten Mal werden wir Charaktere sehen, die sich wirklich Interaktiv anfühlen,
15:22
that have realecht bodiesKörper that really reactreagieren.
303
910000
2000
und echte Körper mit echten Reaktionen haben.
15:24
I think that's going to be incrediblyunglaublich excitingaufregend.
304
912000
3000
Das wird sehr aufregend werden, glaube ich.
15:27
ProbablyWahrscheinlich startingbeginnend with sportsSport gamesSpiele,
305
915000
2000
Zunächst wahrscheinlich in Sportsimulationen,
15:29
whichwelche are going to becomewerden much more interactiveinteraktiv.
306
917000
2000
die dadurch viel Interaktiver sein werden.
15:31
But I particularlyinsbesondere am really excitedaufgeregt
307
919000
1000
Ich selbst bin besonders gespannt,
15:32
about usingmit this technologyTechnologie in onlineonline worldsWelten,
308
920000
3000
auf die Verwendung unserer Software in Onlinewelten,
15:35
like there, for exampleBeispiel, that TomTom MelcherMelcher has showngezeigt us.
309
923000
3000
wie zum Beispiel "There", das uns Tom Melcher gezeigt hat.
15:38
The degreeGrad of interactivityInteraktivität you're going to get
310
926000
2000
Der Grad der Interaktivität, den wir haben werden,
15:40
is totallytotal differentanders, I think, from what you're gettingbekommen right now.
311
928000
3000
wird von heutigen Spielen radikal abweichen.
15:44
A thirddritte thing we are looking at and very interestedinteressiert in is simulationSimulation.
312
932000
4000
Die dritte Sache, die uns zurzeit interessiert sind Simulationen.
15:49
We'veWir haben been approachedangegangen by severalmehrere simulationSimulation companiesFirmen,
313
937000
2000
Wir wurden schon von einigen Simulationsfirmen angesprochen,
15:51
but one projectProjekt we're particularlyinsbesondere excitedaufgeregt about, whichwelche we're startingbeginnend nextNächster monthMonat,
314
939000
3000
aber ein Projekt, auf das wir besonders gespannt sind und mit dem wir nächsten Monat beginnen,
15:54
is to use our technologyTechnologie -- and in particularinsbesondere, the walkingGehen technologyTechnologie --
315
942000
4000
ist die Verwendung unserer Technologie -- besonders der Laufsimulation --
15:58
to help aidHilfe surgeonsChirurgen who work on childrenKinder with cerebralzerebrale palsyZerebralparese,
316
946000
4000
um Chirurgen zu helfen, an Kindern mit Zerebralparese,
16:02
to predictvorhersagen the outcomeErgebnis of operationsOperationen on these childrenKinder.
317
950000
3000
den Ausgang von Operationen vorherzusehen.
16:05
As you probablywahrscheinlich know,
318
953000
2000
Wie ihr vielleicht wisst,
16:07
it's very difficultschwer to predictvorhersagen what the outcomeErgebnis of an operationBetrieb is
319
955000
3000
ist es sehr schwierig vorherzusehen, welche Wirkung eine Operation haben wird,
16:10
if you try and correctrichtig the gaitGangart.
320
958000
2000
wenn man versucht die Gehbewegung zu korrigieren.
16:12
The classicklassisch quoteZitat is, I think, it's unpredictableunberechenbar at bestBeste,
321
960000
3000
Die übliche Annahme ist, glaube ich, dass es im besten Fall unvorhersehbar ist.
16:15
is what people think right now, is the outcomeErgebnis.
322
963000
3000
Das nehmen die Menschen zurzeit an.
16:18
Now, what we want to do with our softwareSoftware is allowzulassen our surgeonsChirurgen to have a toolWerkzeug.
323
966000
4000
Und wir wollen mit unserer Software den Chirurgen ein Werkzeug zu geben,
16:22
We're going to simulatesimulieren the gaitGangart of a particularinsbesondere childKind
324
970000
3000
mit dem der Gang eines bestimmten Kindes simuliert wird,
16:25
and the surgeonChirurg can then work on that simulationSimulation
325
973000
3000
und der Chirurg kann an dieser Simulation arbeiten,
16:28
and try out differentanders waysWege to improveverbessern that gaitGangart,
326
976000
2000
und verschieden Änderungen am Gang ausprobieren,
16:30
before he actuallytatsächlich commitsverpflichtet to an actualtatsächlich surgeryChirurgie.
327
978000
3000
bevor er einen chirurgischen Eingriff vornimmt.
16:33
That's one projectProjekt we're particularlyinsbesondere excitedaufgeregt about,
328
981000
2000
Das ist ein Projekt, das uns besonders interessiert,
16:35
and that's going to startAnfang nextNächster monthMonat.
329
983000
2000
und wir beginnen nächsten Monat damit.
16:39
Just finallyendlich, this is only just the beginningAnfang.
330
987000
3000
Zum Schluss möchte ich noch betonen: Das ist erst der Anfang.
16:42
We can only do severalmehrere behaviorsVerhaltensweisen right now.
331
990000
2000
Wir können erst ein paar Verhaltensformen simulieren.
16:44
The AIAI isn't good enoughgenug to simulatesimulieren a fullvoll humanMensch bodyKörper.
332
992000
3000
Die KI ist noch nicht gut genug, um einen ganzen menschlichen Körper zu simulieren.
16:47
The bodyKörper yes, but not all the motorMotor- skillsFähigkeiten that we have.
333
995000
3000
Den Körper schon, aber nicht all unsere motorischen Fähigkeiten.
16:50
And, I think, we're only there if we can have something like balletBallett dancingTanzen.
334
998000
3000
Ich glaube, wir haben es erst geschafft, wenn wir Balletttanz oder sowas simulieren können.
16:53
Right now, we don't have that
335
1001000
2000
Im Moment können wir das nicht,
16:55
but I'm very sure that we will be ablefähig to do that at some stageStufe.
336
1003000
2000
aber ich bin mir sicher, dass wir irgendwann genau das können werden.
16:57
We do have one unintentionalunbeabsichtigte dancerTänzer actuallytatsächlich,
337
1005000
3000
Eigentlich haben wir schon einen überraschenden Tänzer,
17:00
the last thing I'm going to showShow you.
338
1008000
2000
der das letzte ist, was ich euch heute zeigen werde.
17:02
This was an AIAI contourKontur that was producedhergestellt and evolvedentwickelt --
339
1010000
3000
Dies war eine KI, die wir produzierten und die sich entwickelte --
17:05
half-evolvedHälfte entwickelt, I should say -- to produceproduzieren balanceBalance, basicallyGrundsätzlich gilt.
340
1013000
3000
halb entwickelte, sollte ich sagen -- um Balance zu halten.
17:08
So, you kickKick the guy and the guy'sJungs supposedsoll to counter-balanceGegengewicht.
341
1016000
3000
Wir treten den Typen und er sollte den Tritt ausbalancieren.
17:11
That's what we thought was going to come out of this.
342
1019000
3000
Wir dachten, dass er einfach nur die Balance halten würde.
17:14
But this is what emergedaufgetaucht out of it, in the endEnde.
343
1022000
2000
Aber das hier kam am Ende dabei raus.
17:17
(MusicMusik)
344
1025000
10000
(Musik)
17:27
BizarrelyBizarr, this thing doesn't have a headKopf. I'm not quiteganz sure why.
345
1035000
3000
Es ist etwas bizarr, weil er keinen Kopf hat. Ich weiß nicht wieso.
17:31
So, this was not something we actuallytatsächlich put in there.
346
1039000
2000
Wir hatten überhaupt nicht vor, so etwas herzustellen.
17:33
He just startedhat angefangen to createerstellen that dancetanzen himselfselbst.
347
1041000
4000
Er fing einfach an sich diesen Tanz auszudenken, von alleine.
17:37
He's actuallytatsächlich a better dancerTänzer than I am, I have to say.
348
1045000
3000
Er kann es sogar besser als ich, muss ich zugeben.
17:41
And what you see after a while --
349
1049000
2000
Und nach einiger Zeit --
17:43
I think he even goesgeht into a climaxHöhepunkt right at the endEnde.
350
1051000
2000
Ich glaube er hat noch einen kleinen Höhepunkt am Ende.
17:49
And I think -- there you go.
351
1057000
3000
Ich glaube -- da ist es.
17:52
(LaughterLachen)
352
1060000
2000
(Gelächter)
17:54
So, that all happenedpassiert automaticallyautomatisch. We didn't put that in there.
353
1062000
2000
Das passierte also alles vollautomatisch. Wir hatten nichts damit zu tun.
17:56
That's just the simulationSimulation creatingErstellen this itselfselbst, basicallyGrundsätzlich gilt.
354
1064000
3000
Die Simulation schafft sich im Grunde einfach selbst.
17:59
So it's just --
355
1067000
2000
Es ist einfach --
18:01
(ApplauseApplaus)
356
1069000
1000
(Applaus)
18:02
ThanksVielen Dank.
357
1070000
2000
Danke.
18:05
Not quiteganz JohnJohn TravoltaTravolta yetnoch, but we're workingArbeiten on that as well,
358
1073000
3000
Noch nicht ganz John Travolta, aber wir arbeiten daran.
18:08
so thanksVielen Dank very much for your time.
359
1076000
2000
Ich danke euch für eure Zeit.
18:10
ThanksVielen Dank.
360
1078000
1000
Danke.
18:11
(ApplauseApplaus)
361
1079000
1000
(Applaus)
18:12
CACA: IncredibleUnglaubliche. That was really incredibleunglaublich.
362
1080000
2000
Chris Anderson: Unglaublich. Das war wirklich unglaublich.
18:14
TRTR: ThanksVielen Dank.
363
1082000
1000
Torsten Reil: Danke.
Translated by Lasse Zieseniß
Reviewed by Lex Asobo

▲Back to top

ABOUT THE SPEAKER
Torsten Reil - Animating neurobiologist
By coding computer simulations with biologically modeled nervous systems, Torsten Reil and his company NaturalMotion breathe life into the animated characters inhabiting the most eye-poppingly realistic games and movies around.

Why you should listen
From modeling the mayhem of equine combat in Lord of the Rings: Return of the King to animating Liberty City gun battles in Grand Theft Auto IV, Torsten Reil's achievements are all over the map these days. Software that he helped create (with NaturalMotion, the imaging company he co-founded) has revolutionized computer animation of human and animal avatars, giving rise to some of the most breathtakingly real sequences in the virtual world of video games and movies- and along the way given valuable insight into the way human beings move their bodies.

Reil was a neural researcher working on his Masters at Oxford, developing computer simulations of nervous systems based on genetic algorithms-  programs that actually used natural selection to evolve their own means of locomotion. It didn't take long until he realized the commercial potential of these lifelike characters. In 2001 he capitalized on this lucrative adjunct to his research, and cofounded NaturalMotion. Since then the company has produced motion simulation programs like Euphoria and Morpheme, state of the art packages designed to drastically cut the time and expense of game development, and create animated worlds as real as the one outside your front door. Animation and special effects created with Endorphin (NaturalMotion's first animation toolkit) have lent explosive action to films such as Troy and Poseidon, and NaturalMotion's software is also being used by LucasArts in video games such as the hotly anticipated Indiana Jones.

But there are serious applications aside from the big screen and the XBox console: NaturalMotion has also worked under a grant from the British government to study the motion of a cerebral palsy patient, in hopes of finding therapies and surgeries that dovetail with the way her nervous system is functioning.
More profile about the speaker
Torsten Reil | Speaker | TED.com