セッションの内容
高品質のキャラクターアニメーションを作成するために、従来のアニメーション・システムは、大量な個別のアニメーション・クリップを手作業でブレンドツリーとステートマシンに整理することを必要とする。テクニカル・アニメーターは、特定の動作のためにプログラマーと共同でブレンド・ストラクチャー（構造）を入念に設計する必要があり、またアニメーターはアセット作成時には厳密なルールに従う必要がある。ハイクオリティな結果を生むために、アセットとブレンド・ストラクチャーをつくるには、通常非常に長い時間を要する。一旦こうしたストラクチャー（構造）が作成されると、アセットへの依存性のために、それを違う方法で整理するのがが難しくなってしまう。
このプレゼンテーションでは、スーパーインポーズ（重ね合わせ）の構造に依存せずに、代わりにモーション・キャプチャーの生のデータを使ってキャラクター・アニメーションを作成する新しいアプローチを紹介する。プレ・プロセッシング（事前加工）のステップを踏む必要なしに、インプットされたアニメーションのクオリティと同等でビジュアルが真実味のあるレベルのものを生み出す。従来のアニメーション・システムで制作するのは非常に困難あるいは不可能であった動作をつくるために必要とされるアニメーション制作である。
このシステムは、新しいアニメーションのデータをすぐに処理することができる。モーション・キャプチャーのアクターは、シミュレートされたキャラクターが期待される反応値とクオリティに到達するまで、システムにリアルタイムでデータを送ることができる。アニメーターは、サイクルやトランジッションの制作に注意を奪われずに、自由に動作やスタイルに集中できるようになる。
シミュレーションの各段階で、この手法はキャラクターの現時点でのポーズといくつかの望ましいゴールを使い、移行するのにベストなポーズを見つけるのである。
例えば、プレイヤー・コントローラーのキャラクターのための望ましい方向性とスティック入力をベースにした速度、あるいは望ましいポジションとAIにコントロールされたキャラクターに直面することが狙いである。
目標は、モーション・ライブラリーで利用可能なアニメーション・ポーズにマッチした予測モデルへ転換されることである。クオリティをシステムの応答性に照らし合わせた新しレイティング・スキームを使っているお話もする。

In order to create a high-quality character animation conventional animation systems require a large amount of individual animation clips to get organized into hand-crafted blend-trees and state-machines. Technical Animators need to work together with Programmers to carefully design a blend-structure for certain types of movement and Animators need to follow precise rules when they create the assets. It usually takes a large amount of time to produce the assets and the blend-structure to achieve high-quality results. Once such a structure is created it is rather difficult to organize it differently due to the dependency on the assets.

This presentation will introduce a novel approach for creating character animation that does not rely on any superimposed structure but uses raw motion capture data instead. It does not require any pre-processing steps and produces a level of visual fidelity that equals the quality of the provided input animations. It is just a matter of creating the required animation to produce movements that would be either extremely difficult or impossible to produce with traditional animation systems.
Our system can consume new animation data on-the-fly. A motion capture actor could feed the system in real time until the simulated character achieves the desired level of responsiveness and quality. Animators are free to focus on movements and style instead of being forced to produce cycles and transitions.

At every step of the simulation, our method uses the current pose of the character and a number of desired goals to find the best pose to transition into. For example, goals can be desired direction and velocity based on stick input for player-controller characters or desired position and facing for AI-controlled characters. Goals are transformed into a prediction model that is matched against available animation poses in the motion library. We use a novel rating scheme to balance quality against responsiveness of the system.