动画系统的前世今生（一）

掐指一算，五年没更新过我的CSDN账号啦，方向也从人工智能变成了计算机图形学，当然也依旧会关注AI的发展，之前在知乎上写了一些文章[传送门]，后续也会逐渐同步到CSDN上～ 这个系列将包含五篇文章，内容来源于王希老师GAMES104课程的动画系统与动画高级技术部分，这是系列的第一篇文章～

动画技术简介

在介绍完渲染系统后，今天将介绍动画系统。相较于渲染系统，动画更加直观，更容易理解。动画也是游戏中最重要的一个系统，所以值得我们不断钻研，发现其中的乐趣。实际上，人类在很早的时代就开始对运动物体充满兴趣，因为我们观察到自然界都是运动的。但人类最早的表达方式只有绘画，所以你可以发现在几万年前，我们先辈画在岩石上的绘画都是动感十足的，包括在先祖的陶器中，你会发现画了一系列人物的动态，而不只是一个静帧。那个时候没有投影技术，但人类先祖脑中想的是一个动起来的世界，所以我们一直在探索这样的一个方法。

直到近代，人类发现一个非常有意思的现象，就是著名的“视觉残留”现象，这也是现代所有显示设备的一个理论基础。当我们看到一个物体，这个物体的影像在眼睛中会残留大概1/24秒。而这是所有电影、电视，包括游戏以及游戏动画的一个基础的理论支撑。因为我们没有办法真正实现自然界中那种连续不断、可以无限细分的动画系统。

这也不得不提早期一个特别有意思的尝试——西洋景，它在以前科学不发达的时候，能用这种方法让大家在投影上看到一个运动的东西，比如一个小人。还有小时候在纸上画的小人动画，实际上这都是现代动画的基础。

那么动画的先驱是什么呢？首先是电影行业，可以这么认为：游戏行业动画的基础理论、基础工具都来自于电影行业。从最早迪士尼动画的2D动画，到早期七八十年代，电影开始将动画生成的虚像和实拍的实像结合到一起。在侏罗纪公园问世时，计算机动画技术已经到了一个非常高的高度。

今天在游戏中实现的动画效果，实际上是在逼近离线渲染，比如阿凡达。当年我看到阿凡达的时候，觉得这是游戏动画未来需要努力的方向。这里也要提到一部电影——Zafari，Zafari 实际上是第一部完全使用游戏引擎实时渲染制作的动画片，这也代表了动画未来的方向。以前我们认为动画是离线的，而如今可以通过实时渲染制作得到。

这些动画技术的底层到底是什么呢？从最早的电影开始，制作过程非常简单，通过一帧、一帧的2D手绘，将其绘制出来。后来发展到用摄像机拍摄演员的动作，在演员身上绑定marker，通过光学方法追踪标记点，恢复出人物动作。一些电影中的人物表现得非常真实、自然，实际上是使用了动捕技术。我相信很多同学看电影幕后的时候都能看到动捕技术，动捕技术也是游戏动画的一个核心基础。

Games 104关注的是游戏引擎，接下来介绍游戏动画，游戏动画的鼻祖依然是电影行业。最早期的动画非常简单，不断翻转、播放图片。波斯王子游戏中的角色看起来非常自然、灵活，但实际上也是通过图片制作出来的。为了制作出逼真的动画，制作者拍摄了波斯王子的弟弟，让其模仿动画中需要的动作，并根据照片将动作绘制出来，成为了游戏中的像素。在那个时代，波斯王子中角色的动作非常自然。即使是基于骨骼的3D动画技术，我们追求的自然感仍来自于真实的人类，而人类对这种自然的真实感非常敏感。另一个需要highlight的游戏是Doom，它看起来是3D游戏，但实际上是通过2D动画实现的。游戏中墙体带给玩家的空间感，是通过图片的变形实现的；而游戏中的开枪动作等，是通过当前相机角度配合一组图片实现的，让玩家感觉自己身处3D环境中，Doom也是游戏动画的鼻祖之一。

进入3D时代后，我们开始有了显卡。在生化危机等游戏中，角色也开始有了动画，但这个时候的动画会存在一些问题：动画中运动的只有骨骼，会显得非常生硬。之后出现的蒙皮动画，会使得角色看起来像真人一样自然。现在的游戏动画越来越真实细腻，既有基于物理的仿真，也有角色非常自然的动画。

提到游戏动画，不得不说它有很多挑战。电影行业中的动画在完成制作后，通常逐帧进行播放。而在游戏动画中，我们不能预设玩家的行为，比如玩家在行走的过程中，突然决定要奔跑，跑的时候突然看到前方有障碍物需要跳跃，跳跃后觉得需要抓住某个物体。所以在游戏世界中，动画需要与gameplay互动，接受来自玩家的输入，同时也受限于游戏环境，比如角色在奔跑过程中撞到障碍物，此时需要播放对应动画，或者角色在走路过程中，突然被怪物抓住或打倒。这些gameplay、物理反馈，如何能够在动画系统中及时反应，表现得非常自然？这是游戏动画系统中，相对于电影，它具有挑战的地方。

另一个挑战从渲染部分一直跟大家提起，游戏引擎中所有的东西都是实时的，everything is real time，无论算法多复杂、高端，永远需要在1/30秒里将它算完。每一个系统，比如前面讲到的绘制，现在讲到的动画，包括游戏逻辑、物理、AI，这所有的东西都要竞争1/30秒，也就是30毫秒。但现代游戏又希望游戏角色越做越新颖，场景越来越宏大，这事实上给动画系统造成了巨大的挑战。因为它的挑战不仅是算力的问题，还包括动画数据本身非常大，需要不断获取数据进行计算。在渲染系统中讲过，当在内存中获取数据时，性能是非常低的。所以这也是游戏引擎中动画系统的一大挑战。所以今天我们会讲的动画压缩技术，实际上也在解决这样的挑战。

第三个挑战是什么呢？实际上随着现代游戏的要求越来越高，我们对角色的自然感和真实度要求也非常高。当动画师在制作动画的时候，一般会预设角色在一个无限延伸的平面上做反复循环的动作。但在游戏中，你会发现角色每时每刻都要接受来自于用户的输入，需要不断地切换动画。

最右边图中展示的是游戏中最火的motion matching技术，它将很多动作融合在一起，使得角色非常鲜活。此外，角色还需要跟环境进行各种符合物理规则的互动，即physic-based animation。当相机距离角色足够靠近的时候，我们可以看到角色的脸，此时会看到人类最敏感的东西——表情。直到现在，表情都是计算机游戏中非常有挑战的部分，想做得很好的话非常困难。我们对真实感也提出了越来越高的要求，因为大家已经习惯于游戏引擎实现的效果能够逼近于电影。而且我们的屏幕越来越大，分辨率从4k变化到8k。未来我们希望能有一个非常high fidelity的虚拟人物站在我们的面前，讲到虚拟人技术的话，其实最核心的就是动画技术。这就是游戏引擎中动画技术的一个核心挑战。

大家不要认为今天的游戏都是3D的，实际上这个星球上最popular的、最赚钱的游戏是2D游戏。其实，2D动画技术也是一个非常重要的技术。接下来，会讲3D动画技术，而在3D动画技术中，会开辟一个专门的章节讲述蒙皮动画真正的实现细节。因为大家提到的3D动画技术，其核心就是蒙皮动画，也是现在游戏中角色的动画。蒙皮动画的原理讲起来非常简单，但当你钻研下去，开始真正写游戏引擎，而不是简单地调用引擎的时候，你会发现其中有很多基础理论、基础数学的问题。

那么我们今天这节课讲的是游戏引擎，所以会跟大家讲一些真正的细节，这些细节是很重要的。很多时候，你以为自己理解了，但在写的时候如果对基础知识掌握不够扎实的话，会写出很多bug。第四部分会讲动画数据的处理，今天课程讲一个非常简单，但又非常实用的东西，就是动画数据的压缩。因为如果今天你要写游戏引擎的话，动画数据是一定要压缩的，否则就会有很多问题。最后会跟大家介绍整个动画生成的pipeline，因为当我们去写游戏引擎的时候，不是只写引擎里面的东西，大概率可能会要写3ds Max、Maya的插件，帮助艺术家把动画转换成你自己引擎所能接受的格式，而这里就要求你对艺术家生产动画素材和数据的流程有所了解。基本上听完今天这节课，你就能做一个完整的动画pipeline。第二节课会跟大家介绍一些相对高端、fancy的技术，也属于现代游戏引擎的标配。比如动画的混合，即如何根据游戏操作逻辑进行各种合理的混合；包括IK技术，即动画与环境间的互动；还有整个复杂的animation pipeline，以及大家喜闻乐见的动画树，它的设计原理、它有哪些节点、它是怎么运作的。

最后会讲两个比较有意思的东西，第一个是怎么去做人面部的动画，你们会发现Facial Animation和普通形体的动画是两套技术体系——两套完全不同的方法论和技术栈。另一个是Animation Retargeting，能否把一个人在走路的动画转移到一个大怪兽上，形成走路的动画。这些技术相对第一节课的技术来讲要难一点，但如果想做一个3A游戏引擎的话，这也属于入门级的一些技术。所以动画两节课会讲一些标准现代游戏引擎里的核心模块，其实还有一些比较前沿的内容，像Motion Matching等，有可能在整个课程上完之后，争取在高级课程中跟大家去讲。大家先在这两节课把动画系统的基础打好，如果将来你想成为一名游戏动画师，或者gameplay的designer，再或者gameplay的programmer，包括你想成为动画方面的专家，这节课的内容与你的相关度非常高。

2D游戏动画技术

精灵动画

2D动画事实上是整个游戏引擎动画的鼻祖，最标准的是精灵动画，也就是Sprite Animation。它的想法非常简单，把游戏里角色整个动作的每一帧记录下来，然后在游戏中循环播放，是不是就是一个很完美的2D动画？其实我们童年的回忆全是这样的2D动画，不知道大家有没有玩过任天堂、小霸王这样的游戏机，上面所有的游戏都是用这样的2D动画技术制作出来的。

这里特别要讲到Super Mario，记得我在第一节课讲过那个时代做游戏不需要游戏引擎，他们真的非常聪明，比如像这只小蘑菇，实际上就是一张图，把它flipping后不断播放，你就感觉到一个小家伙瞪着眼睛向你走过来。所以那个时候真的资源很少，大家做东西还是非常具有想象力的。

精灵动画这样的技术虽然很古老，但在现代游戏引擎中，即使是高端的3D游戏引擎，这个技术也仍然存在。在游戏的很多系统中，比如像Particle System，后面有一节课会专门讲它。粒子系统中产生的爆炸效果，其爆炸出的每一个粒子不是静态的一张图，实际上是一个序列帧，你可以看到烟球慢慢扩散的效果。所以，精灵动画在2D游戏、特效系统中还是被广泛应用的。

Live 2D

但真正的游戏，也就是大家经常氪金的游戏，实际上使用了一种更加高端的2D动画技术，就是这里要着重介绍的Live 2D。我个人还是蛮喜欢这个技术体系的，非常简单，但给艺术家的空间特别大。右侧二次元角色非常鲜活，她就是用一系列图片通过变形、编辑得到的。如果想制作卡牌游戏、二次元游戏，但预算、时间有限，这一部分将是你们最关注的东西了。

Live 2D的想法非常简单，将一个角色上的所有元素，比如头发、眼睛、眉毛变成图元，将这些图元拼在一起，变成一个大资源。对于每个图元进行旋转、缩放以及变形，变形简单来讲就是对图元中的三角形、四边形进行仿射变换，通过上述操作将角色鲜活地表现出来。Live 2D听上去真的有这么强吗？一开始我也觉得它怎么可以做得这么好？包括很多大作，像这种二次元少女风格的游戏都是使用这个技术制作的。

首先对所有图元设置深度，深度可用于表示图元间的层次关系，当它动起来的时候，互相之间不会穿插。其次会为每个元素生成一个控制网格，在这个控制网格上可以随机加入控制点，当对这些点进行移动时，图元会跟着变化。当一个角色表示开心或者不开心时，眉毛会发生变化，用这种简单的技术就可以实现，在二次元中这种表达本身已经非常具有表达力。

在使用Live 2D技术制作动画时，本质上是在每一帧调整上述图元。例如在某一帧中角色眼睛是闭着的，下一帧中角色的头产生移动，再下一帧，角色可能会摇头，以此类推将很多帧K好后，一个非常鲜活的角色就出现了，这就是Live 2D的原理。Live 2D非常符合艺术家的直觉，不需要理解复杂的3D变换、投影等，就能做出一个很棒的游戏。Unity、Unreal，包括我们自己的引擎都会全面支持Live 2D。3D游戏很多时候是技术上复杂，内容上更加真实，但从游戏性角度，2D游戏是真正的王道。

如果大家将来做引擎的话，2D游戏引擎也是很值得大家关注的一个方向。有一些很前沿的引擎，在2D部分做得非常好。我们也看到了一些非常优秀的作品，给你的感觉非常好，这其中有很多有意思的技术在里面。

3D游戏动画技术

在介绍3D动画技术前，先介绍一个概念—— Degree of Freedom ，即自由度。它指的是一个物体有多少个自由度，就可以在多少个维度去变化。

对于一个刚体，其在整个三维空间运动的自由度为6个自由度。因为它有平移的3个自由度，可以沿着x、y、z三个方向去平移，这是3 DoF。刚体还可以沿着三个轴旋转，分别以x、y、z轴为中心进行旋转。所以整个三维空间的刚体，其自由度为6。整个游戏动画的核心是基于自由度的表达，也是对刚体运动的一个表达。

3D游戏动画中最基础的是基于层次结构的刚体动画，它非常像小时候看的皮影戏，把角色的每个关节做成可动的。当移动关节时，整个角色就可以运动起来。实际上，关节本身有一个树状结构，即Hierarchy。刚体动画存在一个问题，当网格模型与骨骼进行绑定时，骨骼发生变动，会导致网格模型彼此穿插。就像小时候看到的皮影戏，它各个关节之间会发生穿插。

在很多3A游戏中都使用了一种技术——Per-vertex Animation，即顶点动画。如果在游戏中，旗帜类型物体表现得特别好，有可能使用了基于物理的动画或者顶点动画。如果使用骨骼表达风吹布料的效果，需要放置多根骨骼。相比之下可直接存储每个顶点位置随时间的变化，通常会存储两张纹理图：第一张纹理图的横向轴对应着每一个顶点，如果顶点数为100万，横轴也为100万，假设动画是100帧，竖向轴对应着每一帧逐顶点的偏移量。由于顶点发生变化，表面法向也会产生变化，直接使用顶点位置计算法线可能出现问题。从效率的角度出发，将顶点法向信息存储到第二张纹理图中。通常使用物理引擎进行仿真，将顶点动画信息存储到贴图中，在引擎中就能够展现出非常真实的旗帜效果。

此外，有另一种类型的顶点动画——Morph Animation，其主要被用于人脸动画、捏脸系统中。它在每个顶点上有影响权重，在每个Key Frame对Key Pose进行混合，并在每帧之间进行插值。相信很多小伙伴喜欢玩游戏中的捏脸系统，我一直认为捏脸系统是游戏的本体，大家拿到游戏愿意花三、四个小时去捏脸。捏脸系统是不是可以通过骨骼来驱动？是的，但如果当变形过大时，脸上的五官看起来就不自然了，而通过在不同Morph Target间进行插值可以实现自然的脸部变化。

在游戏中出现最多的对象是人、动画角色，人和动物最大的特点是他们表面都有一层皮肤，但它不会随着身体的运动而发生皮肤间的自我穿插。游戏中通常会使用3D蒙皮动画技术实现类似的动画效果，其核心思想是每个顶点受到多根骨骼的影响，这样能够保证当一个对象去运动时，它是水密性的，即皮肤间不会互相穿插。它比早期刚体的骨骼动画做得要好，是现代游戏引擎中最常见的动画模型。

其实蒙皮动画技术在2D动画中也有广泛应用，因为2D动画面临着同样一个问题：如果使用骨骼驱动图片运动，图片间彼此会产生穿插。所有角色看起来就像机器人一样，如果使用同样原理将蒙皮动画的方法运用到2D角色中，当你看到人在运动的时候，整个身体会相对自然地去变形。它们的技术原理是一致的，3D蒙皮动画中的数学运算在2D中也是完全起作用的。

最后一种动画形式是Physics-based Animation，比如一个角色一旦受击或者死亡时，他会进入一个Ragdoll状态，也就是中文中的布娃娃系统。早期的时候，布娃娃系统把人设计得像沙袋一样，但现在布娃娃系统既有设计师设计的Animation感觉，又有整个人摔在地上的感觉。此外，还有关于物理的模拟。基于物理模拟的动画被使用最多的地方其实是衣料，我相信现在很多小伙伴在玩游戏的时候，会非常在意角色身上的衣料表达得好不好？但衣料模拟其实是游戏动画或者游戏物理中最难的一部分，包括流体的模拟。

在游戏中，如何保证角色的手永远能够抓到一点？这时就需要使用IK技术，IK的全称叫反向动力学，它指的是给定一个点，角色如何运动看上去才最自然。简单来讲，比如在人的面前放一个苹果，人去抓苹果是不需要训练的，天然就会的。但在游戏中如何让这个动作一气呵成，实际上是非常复杂的。大家可能会奇怪，为什么计算机会比人笨？但仔细观察一下小朋友，当他在只有0到6个月的时候，在他面前放一个物体，他其实是抓不住的，他需要练习很久才能准确抓到苹果。所以对于人的话，有可能是使用Deep Learning的方法经过长达以年为单位的训练，练就了准确的抓取能力。但今天在游戏中，用IK系统也能模拟出人这样的能力。

上面主要介绍的是动画系统在Runtime时的方法，另外一个更重要的是Animation Creation，即如何创造动画。传统方法有两种，一种是动画师在编辑器中手K动画，其中的K是指通过Key Frame，即关键帧创作动画。还有一种是Motion Capture，即动捕，动捕技术目前在电影、游戏中已经使用得非常广泛。