ゲーム人工知能の基礎技術とは何ですか?

ゲーム人工知能の基礎技術は「定性」です。定性的とは、行動やパフォーマンスが具体的で、不確実性がなく予測可能であることを意味します。たとえば、モンスター キャラクターを作成し、XY 座標軸に沿って移動し、キャラクターの XY 座標と目標点の座標が一致するまで目標点まで移動します。重複。定性的 AI テクノロジーはゲーム AI の基礎であり、定性的 AI テクノロジーの結果は予測可能で効率的であり、実装、理解、テスト、デバッグが簡単です。

このチュートリアルの動作環境: Windows 7 システム、Dell G3 コンピューター。

ゲーム人工知能の定義は非常に幅広く、柔軟です。どのような手法を使用しても、人間にある程度の知能があるかのような「錯覚」を与え、ゲームをより中毒性があり、より挑戦的で、そして最も重要なことにより楽しくすることができる限り、それはゲーム AI とみなされることができます。

定性的 AI と非定性的 AI

ゲーム AI は通常、定性的 AI と非定性的 AI の 2 つのタイプに分類されます。

定性的

定性的とは、行動やパフォーマンスが具体的で予測可能であり、不確実性がないことを意味します。具体的な例としては、単純な追跡アルゴリズムが挙げられます。たとえば、モンスターのキャラクターを作成し、XY 座標軸に沿って進み、キャラクターの XY 座標が目標点の座標と重なるまで目標点に向かって移動します。

非定性的

定性的行動とは対照的に、非定位的行動にはある程度の不確実性があり、やや予測不可能です (To に不確実性があります)。それは、使用されている AI 手法が人々にとってどれだけ理解しやすいかにどの程度関係しているか）。具体例としては、ノンプレイヤーキャラクターにプレイヤーに合わせた戦闘戦術を学習させることが挙げられる。このような学習機能は、ニューラル ネットワーク、ベイジアン技術、または遺伝的アルゴリズムを使用して取得できます。

定性 AI テクノロジーはゲーム AI の基盤です。定性的 AI テクノロジーの結果は予測可能で効率的であり、実装、理解、テスト、デバッグが簡単です。定性的な方法は数多くありますが、さまざまなシナリオを事前に検討し、すべての動作を書き出すという負担は明らかに開発者の肩にかかっています。さらに、定性的な方法では NPC の学習と進化を助けることはできませんが、プレイヤーは NPC を注意深く観察することで、NPC の定性的な行動を予測することができます。定性的な動作を使用すると、ゲーム ソフトウェアの「寿命」が制限されると言えます。

非定性テクノロジーにより、NPC が自ら学習し、創発的行動 (明確な指示なしに現れる行動) などの新しい行動を進化させることができるため、プレイヤーがゲームをプレイするときに予測することが困難になり、ゲームのプレイアビリティが向上します。ゲーム。 。また、開発者は、考えられるすべてのシナリオを予測し、明示的な動作をすべて書き留める必要もありません。

非定性テクノロジーはゲームのプレイアビリティを向上させる可能性がありますが、開発者は長い間、非定性 AI から距離を置いてきました (ただし、これは徐々に変わりました)。予測不可能であるため、テストとデバッグが困難になります (ゲーム ソフトウェアにバグがないことを確認するためにプレイヤーの考えられるすべてのアクションをテストする方法がないため)。さらに、ゲーム開発者は開発サイクルの短縮化に直面しており、最新の AI テクノロジーを完全に理解することが困難になっています。

もう 1 つの要因も、非定性テクノロジーの開発を制限しています。最近、開発者は画像の品質に重点を置き始めています (プレイヤーは美しいものが好きなため)。その結果、より優れたより高速なグラフィックス テクノロジを実現するには、より優れたゲーム AI を開発する時間がありません。

既存のゲーム AI 技術

有限状態マシン (有限状態マシン、FSM) は、どこでも見られるゲーム AI 技術です。この部分については、第 9 章で詳しく説明します。有限状態マシンの基本概念は、コンピューター制御のキャラクターの一連のアクションまたは状態をリストし、その後、if-then 条件文を使用してさまざまな状況をチェックし、条件を満たすことです。そして、アクションの実行、キャラクターの状態の更新、またはアクションと状態の間の遷移に基づいて結果を判断します。

開発者は、最終的に実行されるアクションの予測を困難にし、if-then ステートメントで多数の条件をリストする必要性を軽減するために、ファジー ステート マシン でファジー ロジックをよく使用します。有限ステート マシンでは、「距離が 10、体力が 100 の場合は攻撃する」などのルールがあるかもしれませんが、ファジー ロジックでは異なり、より精度の低い条件でルールを設計できます。 「近くて十分健康ならパワーアタック」みたいな。ファジィ状態マシンについては、第 10 章で詳しく紹介します。

さまざまなゲームにおいて、ノンプレイヤー キャラクターの基本的なタスクは、効果的なパスを見つけることです。ウォー シミュレーション ゲームでは、ノンプレイヤー キャラクターの軍隊は、さまざまな地形を通過し、障害物を回避し、敵の位置に到達できなければなりません。一人称シューティング ゲームのクリーチャーは、プレイヤーに会うため、またはプレイヤーの視界から逃げるために、ダンジョンや建物を通過できなければなりません。このようなシナリオは無数にあります。言うまでもなく、AI 開発者は経路探索に多大な注意を払っています。第 6 章では一般的な パス検索テクニック について説明し、第 7 章では重要な A* アルゴリズム について説明します。

上記の技術は、既存のゲーム AI 技術のほんの一部であり、ルールベースの記述システムや人工宣言技術など、その種類は多岐にわたります。人工生命システムは、人間のような行動を示す人工システムです。これらの動作は創発的な動作であり、その開発はさまざまな低レベルのアルゴリズムの動作を組み合わせた結果です。人工生命やその他のテクノロジーの例については後で説明します。

ゲーム AI の未来

ゲーム AI の次の重要なことは「学習」です。ゲームの起動後は、すべてのノンプレイヤー キャラクターの行動が事前に調整されることはなくなり、ゲームを長くプレイするほど、ゲームは進化し、学習し、適応性が高まります。このようなゲームはプレイヤーの成長とともに成長するため、プレイヤーがゲームの動作を予測することが難しくなり、ゲームのライフサイクルが長くなります。ゲームは学習して進化し、ゲーム自体が予測不可能になります。

「学習」や「キャラクターの行動反応」技術は、前述した非定性AIの範疇に入る技術なので、かなり難しいです。はっきり言っておきますが、この非定性的な「学習」AI テクノロジーは、開発とテストに時間がかかります。さらに、AI が何を行うかを正確に理解することが難しくなり、デバッグが困難になります。これらの要因は、「学習型」AI テクノロジーの普及にとって大きな障害となります。しかし、これもすべて変わりつつあります。

「Creatures」、「Black & White」、「Battlecruiser 3000AD」、「Dirt Track Racing」、「Fields of Battle」、「Heavy Gear」など、いくつかの主流ゲームでは非定性 AI テクノロジーが使用されています。これらのゲームの成功により、デシジョン ツリー、ニューラル ネットワーク、遺伝的アルゴリズム、確率的手法 などの AI 技術を「学習する」ことへの関心が再燃しています。

これらの成功したゲーム ソフトウェアは、非定性的手法を使用する場合にも、従来の定性的手法を使用しています。非定性的手法は、最も適切で必要な場合にのみ使用されます。ニューラル ネットワークは、ゲーム ソフトウェアにおける AI の問題をすべて解決できる特効薬ではありませんが、ハイブリッド AI システムで特定の AI タスクを解決することで、素晴らしい結果を達成できます。このようにして、AI システムの大部分を従来の形式に保ちながら、予測不可能で開発、デバッグ、テストが困難な AI の部分を分離できます。

関連知識の詳細については、FAQ 列をご覧ください。

以上がゲーム人工知能の基礎技術とは何ですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。