育碧致力于利用尖端生产技术来打造新颖深刻、时代创新的娱乐体验，持续在AI、区块链、云计算和VR等核心技术领域上耕耘探索。
育碧 La Forge 作为育碧自有科研中心，旨在为游戏开发团队打造理想的工具和开发环境，最终为玩家带来最佳游戏体验。 它以其独特的风格和开放的方式联合游戏行业专家和学界人士，在学术研究和行业创新应用之间搭建桥梁，研究领域涵盖渲染、动画、游戏AI、音效、物理等。
在中国，La Forge拥有一支约15人的团队，精通于算法、产品化和项目管理。他们与育碧中国、育碧全球的开发团队及La Forge加拿大和法国团队紧密合作，致力于为本地乃至全球的游戏生产和研发项目提供技术解决方案：借助最新学术研究成果来加速技术原型开发，通过学术发表来实现信息共享，或借助已发售游戏进行科研，或为正在开发中的游戏提供解决方案。
本地团队在The Symposium on Computer Animation（SCA）、The Symposium on Interactive 3D Graphics and Games（I3D）、SIGGRAPH Asia、中国游戏开发者大会（CGDC）等多个国际学术会议场合上作过分享展示，研究话题涉及图像图形和动画，例如：
- 与北京理工大学进行学术合作，通过强化学习训练智能机器人，在提高逻辑驱动AI方法的可解释性和泛化能力的同时，提升了其效率和可扩展性。研究论文Off-Policy Differentiable Logic Reinforcement在ECML-PKDD国际会议上发表。
点击此处阅读论文。
- 四足动物2D视频到3D动画的转化工具ZooBuilder，曾在SIGGRAPH Asia 2020和SCA 2020会议中展示分享。
点击此处观看SCA 2020会议上的展示视频。
- 提出Regularized Soft Actor-Critic的新方法，以克服智能机器人在模仿学习与任务目标之前难以取得平衡的挑战。研究成果在IEEE Conference on Games 2022 (IEEE CoG)上获展示分享。
论文已在Arxiv上发布，点击此处阅读。
- 通过生成不同的团队策略并基于智能机器人的行动来衡量策略间的差异，研究出Moment-Matching Policy Diversity（MMPD）新方法，以改进多智能体强化学习方法multi-agent reinforcement learning (MARL)。研究成果在IEEE CoG 2023上获展示分享。
论文已在Arxiv上发布，点击此处阅读。
- 提出了一种Regularized Contrastive Learning的方法，通过生成多个语义表示来提升基于Transformer的模型在语义搜索中的表现，提升了游戏玩家在搜索客户支持常见问题时的信息检索效率和相关性。研究成果在国际自然语言处理与中文计算会议2022（NLPCC）会议上作分享展示。
论文已在Arxiv上发布，点击此处阅读。
- 与La Forge的加拿大团队联合研发的AI驱动的叙事写作工具Ghostwriter，曾在全球游戏开发者大会上展示分享。
点击此处进一步了解Ghostwriter。
- 由La Forge的加拿大团队主导、提高视频游戏中动画效果的Choreograph技术
点击此处进一步了解该技术。
- 在游戏AI领域首次尝试利用神经表示解决游戏AI可见性测试计算瓶颈的方法 ，曾在 I3D2024会议（the Symposium on Interactive 3D Graphics and Games）和中国游戏者开发大会上分享展示。
论文已在Arxiv上发布，点击此处阅读。
La Forge中国针对高校学生提供实习岗位，为年轻人才提供从事游戏领域的AI研究机会。来自北京理工大学、上海交通大学、成都电子科技大学以及苏黎世联邦理工等国内海外知名高校的学生曾在La Forge的培养下研究先锋课题。
如欲进一步了解La Forge，欢迎访问https://laforge.ubisoft.com。
