Легковісна архітектура для ігрового штучного інтелекту на основі агентів

Автор(и)

  • К. Газін КПІ ім. Ігоря Сікорського, Україна
  • I. Стеценко КПІ ім. Ігоря Сікорського, Україна

DOI:

https://doi.org/10.20535/1560-8956.42.2023.279090

Ключові слова:

ігровий ШІ, академічний ШІ, архітектура, агент

Анотація

Об’єктом дослідження є ігровий ШІ та архітектурні рішення для його розробки. Ігровий штучний інтелект є однією з найскладніших частин розробки ігор, і потрібні хороші інструменти, щоб зменшити складність і пришвидшити розробку. Але бракує рішень, які можна швидко реалізувати, забезпечити бажану гнучкість і зменшити складність.
У статті порівнюється ігровий ШІ та академічний ШІ, а також пояснюється, чому стандартні методи академічного ШІ не можна широко застосовувати для розробки ігор. Академічний штучний інтелект зосереджується лише на отриманні правильних результатів і розробці оптимальних агентів. У той час як ігровий ШІ зосереджується на досвіді гравця та оманливо розумних агентах, де сприйняття інтелекту важливіше, ніж реальний рівень інтелекту агента. Значну увагу приділено дослідженню існуючих альтернатив, таких як GAIA, SOAR та AI.Implant, їх перевагам і недолікам. Архітектура
GAIA найкраще підходить для ігрового штучного інтелекту: вона сприяє перевикористанню коду і дуже гнучка, але це важке рішення для впровадження з нуля. SOAR цікавий, але краще підходить для академічного ШІ, ніж для ігрового. Третій аналог – AI.Implant був хорошим рішенням ще деякий час тому, але зараз залишився без підтримки та документації, і застарів. Запропоновано рішення для архітектури ігрового ШІ, яку можна швидко реалізувати на основі агентів детально описано з прикладами використання. Дана архітектура складається з 3 шарів: Сприйняття, Прийняття рішень і Виконання дій. Роль сприйняття полягає в зборі інформації про оточення. Прийняття рішень несе
відповідальність за вибір того, яку дію обрати залежно від інформації, наданої Сприйняттям. Рівень виконання дій відповідає за планування дій, їх керування та виконання. Варіант використання демонструє кожен шар у дії з двома різними агентами: піхотинцем і снайпером. Крім того, рішення надає простір для вдосконалення та розширення, що може бути корисним для більш складних випадків, ніж описано в статті. Мета дослідження полягає в тому, щоб зменшити складність і прискорити розробку ігрового ШІ за допомогою легкоговісного рішення.

Бібл. 11, іл. 5, табл. 1

Посилання

Federal trade commission USA Microsoft/Activision: Administrative Part 3 Complaint (Public) URL: https://www.ftc.gov/system/files/ftc_gov/pdf/ D09412Microsoft ActivisionAdministrativeComplaintPublicVersionFinal.pdf

SteamDB service. URL: https://steamdb.info/stats/releases/ (last accessed: 22.03.2023)

Schreier J. (2017) Blood, Sweat, and Pixels: The Triumphant, Turbulent Stories Behind How Video Games Are Made. HarperCollins. 304 p.

Millington I. (2019) AI for Games. CRC Press; Third Edition. 1030 p.

GAIA URL: https://www.sisostds.org/DesktopModules/Bring2mind/DMX/API/Entries/Download?Command=Core_Download&EntryId=35466&PortalId=0&TabId=105 (last accessed: 22.03.2023)

Koster R. (2013) Theory of fun for game design. O'Reilly Media; Second edition. 300 p.

Game AI Pro URL: http://www.gameaipro.com/GameAIPro/GameAIPro_Chapter05_Structural_Architecture_Common_Tricks_of_the_Trade.pdf (last accessed:

03.2023)

GDC 2016 AI Summit. Kevin Dill, Christopher Dragert, Troy Humphreys https://www.gdcvault.com/play/1023092/Nuts-and-Bolts-Modular-AI (last accessed: 22.03.2023)

Introduction to the Soar Cognitive Architecture. John E. Laird 2022 URL:https://arxiv.org/pdf/2205.03854.pdf (last accessed: 22.03.2023)

SOAR home page. University of Michigan https://soar.eecs.umich.edu (last accessed: 22.03.2023)

AI.Implant Presagis Brochure URL: https://www.loyola.com/partners/presagis/pdf/2011_04_DS_SIM_AIimplant_web.pdf (last accessed: 22.03.2023)

##submission.downloads##

Опубліковано

2023-05-01