गेमिङ एआई कसरी सिर्जना गर्ने: शुरुआतीहरूको लागि गाइड

मैले खेलहरूमा आर्टिफिसियल इन्टेलिजेन्सको बारेमा केही रोचक सामग्री भेटें। साधारण उदाहरणहरू प्रयोग गरेर AI बारे आधारभूत चीजहरूको व्याख्याको साथ, र भित्र यसको सुविधाजनक विकास र डिजाइनको लागि धेरै उपयोगी उपकरणहरू र विधिहरू छन्। कसरी, कहाँ र कहिले प्रयोग गर्ने भन्ने पनि छ।

धेरै जसो उदाहरणहरू स्यूडोकोडमा लेखिएका छन्, त्यसैले कुनै उन्नत प्रोग्रामिङ ज्ञान आवश्यक पर्दैन। कट मुनि तस्बिरहरू र gifs संग पाठ को 35 पानाहरू छन्, त्यसैले तयार हुनुहोस्।

UPD। म माफी चाहन्छु, तर मैले Habré मा यस लेखको आफ्नै अनुवाद गरिसकेको छु बिरामी शून्य। तपाईं उनको संस्करण पढ्न सक्नुहुन्छ यहाँ, तर केहि कारणले लेखले मलाई पास गर्यो (मैले खोजी प्रयोग गरें, तर केहि गलत भयो)। र जब म खेल विकासको लागि समर्पित ब्लगमा लेखिरहेको छु, मैले मेरो अनुवादको संस्करणलाई सदस्यहरूका लागि छोड्ने निर्णय गरें (केही बिन्दुहरू फरक ढाँचामा छन्, केहीलाई जानाजानी विकासकर्ताहरूको सल्लाहमा हटाइयो)।

AI के हो?

गेम AI ले वस्तु कुन अवस्थामा अवस्थित छ भन्ने आधारमा कुन कार्यहरू गर्नुपर्छ भन्ने कुरामा केन्द्रित हुन्छ। यसलाई सामान्यतया "बुद्धिमान एजेन्ट" व्यवस्थापन भनिन्छ, जहाँ एक एजेन्ट एक खेलाडी चरित्र, एक वाहन, एक बोट, वा कहिलेकाहीँ केहि अधिक सार हो: संस्थाहरूको सम्पूर्ण समूह वा एक सभ्यता। प्रत्येक मामलामा, यो एक चीज हो जसले यसको वातावरण हेर्नुपर्छ, त्यसमा आधारित निर्णयहरू लिनुपर्छ, र तिनीहरू अनुसार काम गर्नुपर्छ। यसलाई सेन्स/थिंक/एक्ट चक्र भनिन्छ:

• सेन्स: एजेन्टले आफ्नो वातावरणमा चीजहरूको बारेमा जानकारी फेला पार्छ वा प्राप्त गर्दछ जसले यसको व्यवहारलाई असर गर्न सक्छ (नजिकैको खतराहरू, सङ्कलन गर्न वस्तुहरू, अन्वेषण गर्न रोचक ठाउँहरू)।
• सोच्नुहोस्: एजेन्टले कसरी प्रतिक्रिया गर्ने भनेर निर्णय गर्छ (वस्तुहरू सङ्कलन गर्न पर्याप्त सुरक्षित छ वा पहिले लड्न/लुकाउनु पर्छ कि भनेर विचार गर्नुहोस्)।
• ऐन: एजेन्टले अघिल्लो निर्णय कार्यान्वयन गर्न कार्य गर्दछ (शत्रु वा वस्तु तिर जान थाल्छ)।
• ...अब क्यारेक्टरहरूको कार्यको कारण स्थिति परिवर्तन भएको छ, त्यसैले चक्र नयाँ डाटाको साथ दोहोर्याउँछ।

AI ले लूपको सेन्स भागमा फोकस गर्छ। उदाहरणका लागि, स्वायत्त कारहरूले सडकको तस्बिरहरू लिन्छन्, तिनीहरूलाई राडार र लिडर डेटासँग जोड्छन्, र तिनीहरूलाई व्याख्या गर्छन्। यो सामान्यतया मेसिन लर्निङद्वारा गरिन्छ, जसले आगमन डेटालाई प्रशोधन गर्छ र यसलाई अर्थ दिन्छ, "तपाईँभन्दा २० गज अगाडि अर्को कार छ" जस्ता अर्थपूर्ण जानकारी निकाल्छ। यी तथाकथित वर्गीकरण समस्याहरू हुन्।

खेलहरूलाई जानकारी निकाल्नको लागि जटिल प्रणालीको आवश्यकता पर्दैन किनकि धेरै जसो डाटा पहिले नै यसको अभिन्न अंग हो। अगाडि शत्रु छ कि छैन भनेर निर्धारण गर्न छवि पहिचान एल्गोरिदमहरू चलाउन आवश्यक छैन - खेलले पहिले नै थाहा छ र जानकारीलाई सीधा निर्णय प्रक्रियामा फिड गर्दछ। त्यसकारण, चक्रको सेन्स भाग प्रायः सोच र कार्य भाग भन्दा धेरै सरल हुन्छ।

खेल AI को सीमितताहरू

AI मा धेरै सीमितताहरू छन् जुन अवलोकन गर्नुपर्दछ:

• AI लाई पहिले नै तालिम दिनु आवश्यक छैन, मानौं यो मेसिन लर्निङ एल्गोरिदम हो। दशौं हजार खेलाडीहरूको निगरानी गर्न र तिनीहरू विरुद्ध खेल्ने उत्तम तरिका सिक्नको लागि विकासको क्रममा तंत्रिका नेटवर्क लेख्नुको कुनै अर्थ छैन। किन? किनभने खेल जारी गरिएको छैन र त्यहाँ कुनै खेलाडीहरू छैनन्।
• खेल रमाईलो र चुनौतीपूर्ण हुनुपर्छ, त्यसैले एजेन्टहरूले मानिसहरूको बिरूद्ध उत्तम दृष्टिकोण फेला पार्नु हुँदैन।
• एजेन्टहरूले यथार्थवादी हेर्न आवश्यक छ ताकि खेलाडीहरूले उनीहरू वास्तविक व्यक्तिहरू विरुद्ध खेलिरहेका छन् जस्तो लाग्छ। AlphaGo कार्यक्रमले मानिसहरूलाई पछाडि पार्यो, तर छनौट गरिएका चरणहरू खेलको परम्परागत बुझाइबाट धेरै टाढा थिए। यदि खेलले मानव प्रतिद्वन्द्वीको नक्कल गर्छ भने, यो भावना अवस्थित हुनु हुँदैन। एल्गोरिथ्म परिवर्तन गर्न आवश्यक छ ताकि यसले आदर्श निर्णयहरू भन्दा पनि प्रशंसनीय निर्णयहरू गर्दछ।
• AI ले वास्तविक समयमा काम गर्नुपर्छ। यसको अर्थ एल्गोरिदमले निर्णय गर्न लामो समयसम्म CPU प्रयोगलाई एकाधिकार गर्न सक्दैन। 10 मिलिसेकेन्ड पनि धेरै लामो छ, किनकि धेरैजसो खेलहरूलाई सबै प्रशोधन गर्न र अर्को ग्राफिक्स फ्रेममा जान 16 देखि 33 मिलिसेकेन्ड मात्र चाहिन्छ।
• आदर्श रूपमा, प्रणालीको कम्तिमा भाग डाटा-संचालित हुनुपर्छ, ताकि गैर-कोडरहरूले परिवर्तनहरू गर्न र समायोजनहरू छिटो हुन सक्छ।

AI दृष्टिकोणहरू हेरौं जसले सम्पूर्ण भावना/सोच/कार्य चक्रलाई समेट्छ।

आधारभूत निर्णयहरू गर्ने

सबै भन्दा साधारण खेल संग सुरु गरौं - Pong। लक्ष्य: प्याडललाई सार्नुहोस् ताकि बल त्यसको पछाडि उड्नुको सट्टा त्यसबाट बाउन्स होस्। यो टेनिस जस्तै हो, जहाँ तपाईं बललाई हिट गर्नुहुन्न भने हराउनुहुन्छ। यहाँ AI सँग तुलनात्मक रूपमा सजिलो कार्य छ - कुन दिशामा प्लेटफर्म सार्ने निर्णय गर्ने।

सशर्त कथनहरू

Pong मा AI को लागी, सबै भन्दा स्पष्ट समाधान सधैं बल को मुनि प्लेटफर्म राख्न को लागी प्रयास गर्नु हो।

यसका लागि सरल एल्गोरिथ्म, स्यूडोकोडमा लेखिएको:

खेल चलिरहेको बेला प्रत्येक फ्रेम/अपडेट:
यदि बल प्याडलको बाँयामा छ भने:
प्याडल बायाँ सार्नुहोस्
अन्यथा यदि बल प्याडलको दायाँ तिर छ भने:
प्याडल दायाँ सार्नुहोस्

यदि प्लेटफर्म बलको गतिमा सर्छ भने, यो पोंगमा एआईको लागि आदर्श एल्गोरिथ्म हो। एजेन्टको लागि यति धेरै डाटा र सम्भावित कार्यहरू नभएमा केहि पनि जटिल गर्न आवश्यक छैन।

यो दृष्टिकोण यति सरल छ कि सम्पूर्ण सेन्स/थिंक/एक्ट चक्र मात्रै देख्न सकिन्छ। तर त्यहाँ छ:

• सेन्स भाग दुई इफ स्टेटमेन्टमा हुन्छ। खेललाई थाहा छ कि बल कहाँ छ र प्लेटफर्म कहाँ छ, त्यसैले AI ले त्यो जानकारीको लागि हेर्छ।
• थिंक भाग पनि दुई इफ स्टेटमेन्टमा समावेश गरिएको छ। तिनीहरूले दुई समाधानहरू मूर्त रूप दिन्छन्, जुन यस अवस्थामा पारस्परिक रूपमा अनन्य छन्। नतिजाको रूपमा, तीन कार्यहरू मध्ये एउटा चयन गरिएको छ - प्लेटफर्मलाई बाँयामा सार्नुहोस्, यसलाई दायाँतिर सार्नुहोस्, वा यदि यो पहिले नै सही रूपमा राखिएको छ भने केही नगर्नुहोस्।
• ऐन भागलाई प्याडल बायाँ सार्नुहोस् र प्याडल दायाँ सार्नुहोस् कथनहरूमा पाइन्छ। खेल डिजाइनमा निर्भर गर्दै, तिनीहरूले प्लेटफर्मलाई तुरुन्त वा एक विशिष्ट गतिमा सार्न सक्छन्।

त्यस्ता दृष्टिकोणहरूलाई प्रतिक्रियात्मक भनिन्छ - त्यहाँ नियमहरूको एक सरल सेट छ (यदि कोडमा कथनहरू छन् भने) जुन संसारको वर्तमान स्थितिमा प्रतिक्रिया दिन्छ र कार्य गर्दछ।

निर्णय रूख

Pong उदाहरण वास्तवमा एक औपचारिक एआई अवधारणाको बराबर हो जसलाई निर्णय रूख भनिन्छ। एल्गोरिथ्मले "पत्ता" सम्म पुग्नको लागि यो मार्फत जान्छ - कुन कदम चाल्ने बारे निर्णय।

हाम्रो प्लेटफर्मको एल्गोरिथ्मको लागि निर्णय रूखको ब्लक रेखाचित्र बनाउनुहोस्:

रूखको प्रत्येक भागलाई नोड भनिन्छ - AI ले त्यस्ता संरचनाहरू वर्णन गर्न ग्राफ सिद्धान्त प्रयोग गर्दछ। त्यहाँ दुई प्रकारका नोडहरू छन्:

• निर्णय नोडहरू: केहि अवस्था परीक्षणको आधारमा दुई विकल्पहरू बीच छनौट गर्दै, जहाँ प्रत्येक विकल्पलाई छुट्टै नोडको रूपमा प्रतिनिधित्व गरिन्छ।
• अन्तिम नोडहरू: अन्तिम निर्णय प्रतिनिधित्व गर्ने कार्य गर्न।

एल्गोरिदम पहिलो नोड (रुखको "मूल") बाट सुरु हुन्छ। यसले या त कुन चाइल्ड नोडमा जाने भन्ने निर्णय गर्छ, वा नोडमा भण्डार गरिएको कार्यलाई कार्यान्वयन गर्छ र बाहिर निस्कन्छ।

निर्णय रूखले अघिल्लो खण्डमा यदि कथनहरू जस्तै काम गर्छ भने के फाइदा हुन्छ? यहाँ एक सामान्य प्रणाली छ जहाँ प्रत्येक निर्णयमा केवल एक शर्त र दुई सम्भावित परिणामहरू छन्। यसले विकासकर्तालाई हार्ड-कोड नगरी रूखमा निर्णयहरू प्रतिनिधित्व गर्ने डेटाबाट AI सिर्जना गर्न अनुमति दिन्छ। यसलाई तालिकाको रूपमा प्रस्तुत गरौं:

कोड साइडमा तपाईंले स्ट्रिङहरू पढ्नको लागि प्रणाली पाउनुहुनेछ। तिनीहरू प्रत्येकको लागि नोड सिर्जना गर्नुहोस्, दोस्रो स्तम्भमा आधारित निर्णय तर्क र तेस्रो र चौथो स्तम्भहरूमा आधारित चाइल्ड नोडहरू जडान गर्नुहोस्। तपाईंले अझै सर्तहरू र कार्यहरू कार्यक्रम गर्न आवश्यक छ, तर अब खेलको संरचना थप जटिल हुनेछ। यहाँ तपाईंले अतिरिक्त निर्णय र कार्यहरू थप्नुहुन्छ, र त्यसपछि केवल रूख परिभाषा पाठ फाइल सम्पादन गरेर सम्पूर्ण AI लाई अनुकूलित गर्नुहोस्। अर्को, तपाइँ खेल डिजाइनरमा फाइल स्थानान्तरण गर्नुहुन्छ, जसले खेल पुन: कम्पाइल वा कोड परिवर्तन नगरी व्यवहार परिवर्तन गर्न सक्छ।

निर्णय रूखहरू धेरै उपयोगी हुन्छन् जब तिनीहरू उदाहरणहरूको ठूलो सेटबाट स्वचालित रूपमा बनाइन्छ (उदाहरणका लागि, ID3 एल्गोरिदम प्रयोग गरेर)। यसले तिनीहरूलाई प्राप्त डाटामा आधारित परिस्थितिहरू वर्गीकरण गर्न प्रभावकारी र उच्च-प्रदर्शन उपकरण बनाउँछ। यद्यपि, हामी एजेन्टहरूका लागि कार्यहरू चयन गर्नको लागि साधारण प्रणालीभन्दा बाहिर जान्छौं।

परिदृश्यहरू

हामीले निर्णय रूख प्रणालीको विश्लेषण गर्यौं जसले पूर्व-सिर्जित अवस्था र कार्यहरू प्रयोग गर्‍यो। AI डिजाइन गर्ने व्यक्तिले रूखलाई आफूले चाहेको तरिकाले व्यवस्थित गर्न सक्छ, तर तिनीहरू अझै पनि यो सबै प्रोग्राम गर्ने कोडरमा भर पर्नु पर्छ। के हुन्छ यदि हामीले डिजाइनरलाई तिनीहरूको आफ्नै अवस्था वा कार्यहरू सिर्जना गर्न उपकरणहरू दिन सक्छौं?

ताकि प्रोग्रामरले इज बल लेफ्ट अफ प्याडल र इज बल राइट अफ प्याडल सर्तहरूको लागि कोड लेख्नु पर्दैन, उसले एउटा प्रणाली सिर्जना गर्न सक्छ जसमा डिजाइनरले यी मानहरू जाँच गर्न सर्तहरू लेख्नेछ। त्यसपछि निर्णय रूख डेटा यस्तो देखिनेछ:

यो अनिवार्य रूपमा पहिलो तालिकामा जस्तै हो, तर आफै भित्र समाधानहरूको आफ्नै कोड हुन्छ, अलि if स्टेटमेन्टको सशर्त भाग जस्तै। कोड साइडमा, यो निर्णय नोडहरूको लागि दोस्रो स्तम्भमा पढ्छ, तर कार्यान्वयन गर्नको लागि विशेष अवस्था खोज्नुको सट्टा (क्या बल लेफ्ट अफ प्याडल हो), यसले सशर्त अभिव्यक्तिको मूल्याङ्कन गर्छ र तदनुसार सही वा गलत फर्काउँछ। यो Lua वा Angelscript स्क्रिप्टिङ भाषा प्रयोग गरी गरिन्छ। तिनीहरूलाई प्रयोग गरेर, एक विकासकर्ताले आफ्नो खेल (बल र प्याडल) मा वस्तुहरू लिन सक्छ र लिपि (ball.position) मा उपलब्ध हुने चरहरू सिर्जना गर्न सक्छ। साथै, स्क्रिप्टिङ भाषा C++ भन्दा सरल छ। यसलाई पूर्ण संकलन चरणको आवश्यकता पर्दैन, त्यसैले यो द्रुत रूपमा खेल तर्क समायोजनको लागि आदर्श हो र "गैर-कोडरहरू" लाई आवश्यक कार्यहरू आफैं सिर्जना गर्न अनुमति दिन्छ।

माथिको उदाहरणमा, स्क्रिप्टिङ भाषा सशर्त अभिव्यक्तिको मूल्याङ्कन गर्न मात्र प्रयोग गरिन्छ, तर यो कार्यका लागि पनि प्रयोग गर्न सकिन्छ। उदाहरणका लागि, डेटा सार्नुहोस् प्याडल दायाँ लिपि स्टेटमेन्ट बन्न सक्छ (ball.position.x += 10)। ताकि कार्यलाई स्क्रिप्टमा पनि परिभाषित गरिएको छ, प्याडल दायाँ सार्नुहोस् कार्यक्रमको आवश्यकता बिना।

तपाईं अझ अगाडि जान सक्नुहुन्छ र सम्पूर्ण निर्णय रूखलाई स्क्रिप्टिङ भाषामा लेख्न सक्नुहुन्छ। यो हार्डकोड सशर्त कथनको रूपमा कोड हुनेछ, तर तिनीहरू बाह्य स्क्रिप्ट फाइलहरूमा अवस्थित हुनेछन्, अर्थात्, तिनीहरू सम्पूर्ण कार्यक्रम पुन: कम्पाइल नगरी परिवर्तन गर्न सकिन्छ। तपाइँ प्राय: पटक पटक विभिन्न AI प्रतिक्रियाहरू परीक्षण गर्न गेमप्लेको समयमा स्क्रिप्ट फाइल सम्पादन गर्न सक्नुहुन्छ।

घटना प्रतिक्रिया

माथिका उदाहरणहरू पोङका लागि उपयुक्त छन्। तिनीहरू लगातार इन्द्रिय/सोच/कार्य चक्र चलाउँछन् र विश्वको पछिल्लो अवस्थाको आधारमा कार्य गर्छन्। तर अधिक जटिल खेलहरूमा तपाईंले व्यक्तिगत घटनाहरूमा प्रतिक्रिया दिन आवश्यक छ, र एकैचोटि सबै कुराको मूल्याङ्कन गर्नु हुँदैन। यस मामला मा पोंग पहिले नै एक खराब उदाहरण हो। अर्को रोजौं।

एक शूटरको कल्पना गर्नुहोस् जहाँ दुश्मनहरू गतिहीन हुन्छन् जबसम्म उनीहरूले खेलाडी पत्ता लगाउन सक्दैनन्, त्यसपछि तिनीहरू आफ्नो "विशेषता" मा निर्भर गर्दछ: कोही "हतार" गर्न दौडनेछ, कसैले टाढाबाट आक्रमण गर्नेछ। यो अझै पनि एक आधारभूत प्रतिक्रियाशील प्रणाली हो - "यदि एक खेलाडी देखियो भने, केहि गर्नुहोस्" - तर यो तार्किक रूपमा एक प्लेयर देखिने घटना र प्रतिक्रिया मा विभाजित गर्न सकिन्छ (प्रतिक्रिया चयन गर्नुहोस् र यसलाई कार्यान्वयन गर्नुहोस्)।

यसले हामीलाई भावना/सोच/कार्य चक्रमा फर्काउँछ। हामी एक सेन्स पार्ट कोड गर्न सक्छौं जसले प्रत्येक फ्रेमलाई एआईले प्लेयरलाई देख्छ कि भनेर जाँच गर्नेछ। यदि होइन भने, केहि हुँदैन, तर यदि यो देख्छ भने, त्यसपछि प्लेयर देखिने घटना सिर्जना हुन्छ। कोडको एउटा छुट्टै खण्ड हुनेछ जसमा "जब खेलाडी देखेको घटना हुन्छ, गर" भन्ने प्रतिक्रियालाई तपाईंले सोच्ने र कार्य गर्ने भागहरूलाई सम्बोधन गर्न आवश्यक छ। यसरी, तपाइँले प्लेयर देखेको घटनामा प्रतिक्रियाहरू सेट अप गर्नुहुनेछ: "हतार" क्यारेक्टरको लागि - ChargeAndAttack, र स्निपरको लागि - HideAndSnipe। यी सम्बन्धहरू पुन: कम्पाइल नगरीकन द्रुत सम्पादनको लागि डाटा फाइलमा सिर्जना गर्न सकिन्छ। स्क्रिप्टिङ भाषा यहाँ पनि प्रयोग गर्न सकिन्छ।

कठिन निर्णयहरू गर्दै

यद्यपि साधारण प्रतिक्रिया प्रणालीहरू धेरै शक्तिशाली छन्, त्यहाँ धेरै परिस्थितिहरू छन् जहाँ तिनीहरू पर्याप्त छैनन्। कहिलेकाहीँ तपाईले एजेन्टले हाल के गरिरहेको छ भन्ने आधारमा विभिन्न निर्णयहरू गर्न आवश्यक छ, तर यो अवस्थाको रूपमा कल्पना गर्न गाह्रो छ। कहिलेकाहीँ निर्णय रूख वा लिपिमा तिनीहरूलाई प्रभावकारी रूपमा प्रतिनिधित्व गर्न धेरै सर्तहरू छन्। कहिलेकाहीँ तपाईंले अर्को चरणमा निर्णय गर्नु अघि स्थिति कसरी परिवर्तन हुनेछ भनेर अग्रिम मूल्याङ्कन गर्न आवश्यक छ। यी समस्याहरू समाधान गर्न थप परिष्कृत दृष्टिकोणहरू आवश्यक छ।

सीमित राज्य मेसिन

परिमित राज्य मेसिन वा FSM (परिमित राज्य मेसिन) भनेको हाम्रो एजेन्ट हाल धेरै सम्भावित राज्यहरू मध्ये एउटामा छ र यसले एक राज्यबाट अर्को राज्यमा ट्रान्जिसन गर्न सक्छ भनी भन्ने एउटा तरिका हो। त्यहाँ त्यस्ता राज्यहरूको निश्चित संख्या हो - त्यसैले नाम। जीवनको उत्कृष्ट उदाहरण ट्राफिक लाइट हो। बिभिन्न ठाउँहरूमा बत्तीहरूको विभिन्न अनुक्रमहरू छन्, तर सिद्धान्त एउटै छ - प्रत्येक राज्यले केहि प्रतिनिधित्व गर्दछ (रोक्नुहोस्, हिड्नुहोस्, आदि)। ट्राफिक लाइट कुनै पनि समयमा एक राज्यमा मात्र हुन्छ, र साधारण नियमहरूमा आधारित एकबाट अर्कोमा सर्छ।

यो खेलहरूमा NPCs सँग समान कथा हो। उदाहरणका लागि, निम्न राज्यहरूसँग गार्ड लिनुहोस्:

• गस्ती।
• आक्रमण गर्दै।
• भाग्दै।

र यसको अवस्था परिवर्तन गर्नका लागि यी सर्तहरू:

• यदि गार्डले शत्रुलाई देख्यो भने, उसले आक्रमण गर्छ।
• यदि गार्डले आक्रमण गर्छ तर दुश्मनलाई देख्दैन भने, ऊ गस्तीमा फर्कन्छ।
• यदि एक गार्डले आक्रमण गर्छ तर नराम्ररी घाइते हुन्छ, ऊ भाग्छ।

तपाईंले अभिभावक राज्य चर र विभिन्न जाँचहरू सहित if-statements पनि लेख्न सक्नुहुन्छ: नजिकै शत्रु छ, NPC को स्वास्थ्य स्तर कस्तो छ, आदि। केही थप राज्यहरू थपौं:

• आलस्य - गस्ती बीच।
• खोजी गर्दै - जब याद गरिएको शत्रु हराएको छ।
• मद्दत खोज्दै - जब शत्रु देखियो, तर एक्लै लड्न धेरै बलियो हुन्छ।

तिनीहरूमध्ये प्रत्येकको लागि छनौट सीमित छ - उदाहरणका लागि, गार्डले लुकेको शत्रुको खोजीमा जानेछैन यदि उसको स्वास्थ्य कम छ।

अन्ततः "यदि होइन भने " को ठूलो सूची धेरै असहज हुन सक्छ, त्यसैले हामीले एउटा विधिलाई औपचारिक बनाउन आवश्यक छ जसले हामीलाई राज्यहरू र राज्यहरू बीचको संक्रमणलाई दिमागमा राख्न अनुमति दिन्छ। यो गर्नको लागि, हामी सबै राज्यहरूलाई ध्यानमा राख्छौं, र प्रत्येक राज्य अन्तर्गत हामी सूचीमा अन्य राज्यहरूमा हुने सबै संक्रमणहरू, तिनीहरूका लागि आवश्यक सर्तहरू सहित लेख्छौं।

यो एक राज्य संक्रमण तालिका हो - FSM प्रतिनिधित्व गर्ने एक व्यापक तरिका। एउटा रेखाचित्र कोरौं र NPC व्यवहार कसरी परिवर्तन हुन्छ भन्ने बारे पूर्ण सिंहावलोकन प्राप्त गरौं।

रेखाचित्रले वर्तमान परिस्थितिमा आधारित यस एजेन्टको लागि निर्णय गर्ने सारलाई प्रतिबिम्बित गर्दछ। यसबाहेक, प्रत्येक एरोले राज्यहरू बीचको संक्रमण देखाउँछ यदि यसको छेउमा रहेको अवस्था सत्य हो।

प्रत्येक अद्यावधिक हामीले एजेन्टको हालको अवस्था जाँच गर्छौं, संक्रमणको सूची हेर्छौं, र यदि संक्रमणका लागि सर्तहरू पूरा हुन्छन् भने, यसले नयाँ राज्यलाई स्वीकार गर्दछ। उदाहरणका लागि, प्रत्येक फ्रेमले 10-सेकेन्डको टाइमरको म्याद सकिएको छ कि छैन जाँच गर्दछ, र यदि त्यसो हो भने, त्यसपछि गार्ड आइडलिङ राज्यबाट गस्तीमा जान्छ। त्यसै गरी, आक्रमणकारी राज्यले एजेन्टको स्वास्थ्य जाँच गर्दछ - यदि यो कम छ भने, यो भाग्ने राज्यमा जान्छ।

यसले राज्यहरू बीचको संक्रमणहरू ह्यान्डल गर्दैछ, तर राज्यहरूसँग सम्बन्धित व्यवहारको बारेमा के हुन्छ? एक विशेष राज्यको लागि वास्तविक व्यवहार लागू गर्ने सन्दर्भमा, त्यहाँ सामान्यतया दुई प्रकारका "हुक" छन् जहाँ हामी FSM लाई कार्यहरू तोक्छौं:

• वर्तमान अवस्थाको लागि हामीले आवधिक रूपमा प्रदर्शन गर्ने कार्यहरू।
• एक राज्यबाट अर्को राज्यमा संक्रमण गर्दा हामीले गर्ने कार्यहरू।

पहिलो प्रकारका लागि उदाहरणहरू। गस्ती राज्यले एजेन्टलाई प्रत्येक फ्रेममा गस्ती मार्गमा सार्नेछ। आक्रमणकारी राज्यले प्रत्येक फ्रेमलाई आक्रमण गर्न वा यो सम्भव भएको राज्यमा ट्रान्जिसन गर्ने प्रयास गर्नेछ।

दोस्रो प्रकारको लागि, ट्रान्जिसनलाई विचार गर्नुहोस् "यदि शत्रु देखिने छ र शत्रु धेरै बलियो छ भने, खोजी मद्दत राज्यमा जानुहोस्। एजेन्टले मद्दतको लागि कहाँ जाने र यो जानकारी भण्डारण गर्न छनोट गर्नुपर्छ ताकि खोजी मद्दत राज्यलाई कहाँ जाने भन्ने थाहा हुन्छ। एकपटक मद्दत फेला परेपछि, एजेन्ट आक्रमणकारी अवस्थामा फर्कन्छ। यस बिन्दुमा, उसले सहयोगीलाई खतराको बारेमा बताउन चाहन्छ, त्यसैले NotifyFriendOfThreat कार्य हुन सक्छ।

फेरि, हामी यस प्रणालीलाई सेन्स/थिंक/एक्ट चक्रको लेन्सबाट हेर्न सक्छौं। सेन्स ट्रान्जिसन तर्क द्वारा प्रयोग गरिएको डाटामा मूर्त छ। सोच्नुहोस् - प्रत्येक राज्यमा उपलब्ध संक्रमणहरू। र ऐन राज्य भित्र वा राज्यहरू बीचको संक्रमणमा आवधिक रूपमा प्रदर्शन गरिएका कार्यहरूद्वारा गरिन्छ।

कहिलेकाहीँ लगातार मतदान संक्रमण अवस्था महँगो हुन सक्छ। उदाहरणका लागि, यदि प्रत्येक एजेन्टले शत्रुहरूलाई देख्न सक्छ वा छैन भनेर निर्धारण गर्न प्रत्येक फ्रेममा जटिल गणनाहरू गर्दछ र यसले गश्तीबाट आक्रमण गर्ने स्थितिमा ट्रान्जिसन गर्न सक्छ कि गर्दैन भनेर बुझ्दछ भने, यसले धेरै CPU समय लिनेछ।

संसारको राज्यमा महत्त्वपूर्ण परिवर्तनहरू घटनाहरूको रूपमा सोच्न सकिन्छ जुन तिनीहरू घट्ने क्रममा प्रशोधन हुनेछन्। FSM ले ट्रान्जिसन अवस्था जाँच गर्नुको सट्टा "के मेरो एजेन्टले प्लेयर देख्न सक्छ?" प्रत्येक फ्रेम, कम पटक जाँच गर्नको लागि छुट्टै प्रणाली कन्फिगर गर्न सकिन्छ (जस्तै प्रति सेकेन्ड 5 पटक)। र नतिजा भनेको चेक पास हुँदा प्लेयर देखियो जारी गर्नु हो।

यो FSM मा पास गरिएको छ, जुन अब Player Seen घटना प्राप्त अवस्थामा जानुपर्छ र तदनुसार प्रतिक्रिया दिनुपर्छ। प्रतिक्रिया गर्नु अघि लगभग अगोचर ढिलाइ बाहेक नतिजा व्यवहार समान छ। तर सेन्स पार्टलाई कार्यक्रमको छुट्टै भागमा विभाजन गर्दा प्रदर्शनमा सुधार आएको छ।

श्रेणीबद्ध परिमित राज्य मेसिन

यद्यपि, ठूला एफएसएमहरूसँग काम गर्नु सधैं सुविधाजनक हुँदैन। यदि हामी आक्रमण अवस्थालाई MeleeAttacking र RangedAttacking छुट्याउनको लागि विस्तार गर्न चाहन्छौं भने, हामीले आक्रमण गर्ने अवस्था (वर्तमान र भविष्य) तर्फ लैजाने अन्य सबै राज्यहरूबाट ट्रान्जिसनहरू परिवर्तन गर्नुपर्नेछ।

तपाईंले सायद याद गर्नुभयो कि हाम्रो उदाहरणमा धेरै नक्कल ट्रान्जिसनहरू छन्। आइडलिङ स्टेटमा भएका धेरैजसो ट्रान्जिसनहरू पेट्रोलिङ स्टेटमा भएका ट्रान्जिसनहरू जस्तै हुन्छन्। यो आफैलाई दोहोर्याउन राम्रो हुनेछ, विशेष गरी यदि हामी थप समान राज्यहरू थप्छौं। यसले "गैर-लडाई" को सामान्य लेबल अन्तर्गत समूह आइडलिङ र गश्तीलाई अर्थ दिन्छ, जहाँ लडाई राज्यहरूमा संक्रमणको एक मात्र सामान्य सेट छ। यदि हामीले यो लेबललाई राज्यको रूपमा सोच्यौं भने, आइडलिङ र गश्ती सबस्टेटहरू बन्छ। नयाँ गैर-लडाई सबस्टेटको लागि छुट्टै संक्रमण तालिका प्रयोग गर्ने उदाहरण:

मुख्य राज्यहरू:


लडाई स्थिति बाहिर:


र रेखाचित्र रूप मा:

यो एउटै प्रणाली हो, तर नयाँ गैर-लडाई राज्यको साथ जसमा आइडलिङ र गश्ती समावेश छ। प्रत्येक राज्यमा सबस्टेटहरू (र यी सबस्टेटहरू, बारीमा, तिनीहरूको आफ्नै FSM हरू - र तपाईलाई आवश्यक भएसम्म) समावेश भएको प्रत्येक राज्यमा, हामीले एक श्रेणीबद्ध फिनिट स्टेट मेसिन वा HFSM (हाइरार्किकल फिनिट स्टेट मेसिन) पाउँछौं। गैर-लडाई राज्यलाई समूहबद्ध गरेर, हामीले अनावश्यक संक्रमणहरूको गुच्छा काट्यौं। हामी साझा संक्रमणको साथ कुनै पनि नयाँ राज्यहरूको लागि पनि गर्न सक्छौं। उदाहरणका लागि, यदि भविष्यमा हामीले आक्रमणकारी राज्यलाई MeleeAttacking र MissileAttacking राज्यहरूमा विस्तार गर्यौं भने, तिनीहरू सबस्टेटहरू हुनेछन् जुन दुश्मनको दूरी र बारुदको उपलब्धताको आधारमा एकअर्काको बीचमा संक्रमण हुन्छ। नतिजाको रूपमा, जटिल व्यवहार र उप-व्यवहारहरूलाई न्यूनतम डुप्लिकेट ट्रान्जिसनहरूसँग प्रतिनिधित्व गर्न सकिन्छ।

व्यवहार रूख

HFSM संग, व्यवहार को जटिल संयोजन एक सरल तरीका मा सिर्जना गरिन्छ। तर, त्यहाँ अलिकति कठिनाई छ कि संक्रमण नियमहरूको रूपमा निर्णय लिनु वर्तमान अवस्थासँग नजिकको सम्बन्ध छ। र धेरै खेलहरूमा यो ठ्याक्कै के आवश्यक छ। र राज्य पदानुक्रमको सावधानीपूर्वक प्रयोगले संक्रमण पुनरावृत्तिहरूको संख्या कम गर्न सक्छ। तर कहिलेकाहीँ तपाईंलाई नियमहरू चाहिन्छ जुन तपाईं जुन राज्यमा हुनुहुन्छ वा जुनसुकै राज्यमा लागू भए तापनि काम गर्दछ। उदाहरणका लागि, यदि एजेन्टको स्वास्थ्य 25% मा झर्छ भने, तपाइँ उसलाई लडाईमा, निष्क्रिय, वा कुराकानीमा भए पनि भाग्न चाहानुहुन्छ - तपाइँ प्रत्येक राज्यमा यो अवस्था थप्नु पर्छ। र यदि तपाईंको डिजाइनर पछि 25% बाट 10% मा कम स्वास्थ्य थ्रेसहोल्ड परिवर्तन गर्न चाहनुहुन्छ भने, त्यसपछि यो फेरि गर्नुपर्छ।

आदर्श रूपमा, यो अवस्थालाई एउटा प्रणाली चाहिन्छ जसमा "कुन राज्यमा हुने" बारे निर्णयहरू राज्यहरू बाहिर हुन्छन्, केवल एक ठाउँमा मात्र परिवर्तन गर्न र संक्रमण अवस्थाहरूलाई नछोउन। व्यवहार रूखहरू यहाँ देखिन्छन्।

त्यहाँ तिनीहरूलाई लागू गर्न धेरै तरिकाहरू छन्, तर सार लगभग सबैको लागि समान छ र निर्णय रूख जस्तै छ: एल्गोरिदम "मूल" नोडबाट सुरु हुन्छ, र रूखले निर्णय वा कार्यहरू प्रतिनिधित्व गर्ने नोडहरू समावेश गर्दछ। यद्यपि त्यहाँ केही प्रमुख भिन्नताहरू छन्:

• नोडहरूले अब तीन मध्ये एउटा मान फर्काउँछ: सफल (यदि काम पूरा भयो), असफल भयो (यदि यो सुरु गर्न सकिँदैन), वा चलिरहेको छ (यदि यो अझै चलिरहेको छ र त्यहाँ कुनै अन्तिम परिणाम छैन)।
• त्यहाँ दुई विकल्पहरू बीच छनौट गर्न थप निर्णय नोडहरू छैनन्। यसको सट्टा, तिनीहरू डेकोरेटर नोडहरू हुन्, जसमा एउटा चाइल्ड नोड हुन्छ। यदि तिनीहरू सफल भए, तिनीहरूले आफ्नो मात्र बच्चा नोड कार्यान्वयन गर्छन्।
• कार्यहरू प्रदर्शन गर्ने नोडहरूले कार्यहरू प्रदर्शनको प्रतिनिधित्व गर्न चलिरहेको मान फर्काउँछ।

नोडहरूको यो सानो सेट जटिल व्यवहार को एक ठूलो संख्या सिर्जना गर्न संयुक्त गर्न सकिन्छ। अघिल्लो उदाहरणबाट HFSM गार्डलाई व्यवहार रूखको रूपमा कल्पना गरौं:

यस संरचनाको साथ त्यहाँ आइडलिङ/गश्ती राज्यहरूबाट आक्रमण वा अन्य कुनै राज्यहरूमा कुनै स्पष्ट संक्रमण हुनु हुँदैन। यदि एक शत्रु देखिने छ र क्यारेक्टरको स्वास्थ्य कम छ भने, कार्यान्वयन भाग्ने नोडमा रोकिनेछ, जुन नोडले पहिले कार्यान्वयन गरिरहेको थियो - गस्ती, निष्क्रिय, आक्रमण, वा अन्य कुनै पनि।

व्यवहार रूखहरू जटिल छन् - तिनीहरूलाई रचना गर्ने धेरै तरिकाहरू छन्, र डेकोरेटरहरू र कम्पाउन्ड नोडहरूको सही संयोजन खोज्न चुनौतीपूर्ण हुन सक्छ। रूखलाई कति पटक जाँच गर्ने भन्ने बारे पनि प्रश्नहरू छन् - के हामी यसको प्रत्येक भागमा जान चाहन्छौं वा सर्तहरू मध्ये एक परिवर्तन भएको बेला मात्र? हामीले नोडहरूसँग सम्बन्धित अवस्था कसरी भण्डारण गर्छौं - हामी कसरी थाहा पाउनेछौं जब हामी 10 सेकेन्डको लागि निष्क्रिय छौं, वा हामीले कसरी थाहा पाउने कि कुन नोडहरू पछिल्लो पटक कार्यान्वयन गर्दै थिए ताकि हामी क्रमलाई सही रूपमा प्रशोधन गर्न सक्छौं?

यही कारणले त्यहाँ धेरै कार्यान्वयनहरू छन्। उदाहरणका लागि, केही प्रणालीहरूले डेकोरेटर नोडहरू इनलाइन डेकोरेटरहरूसँग बदलेका छन्। तिनीहरूले डेकोरेटरको अवस्था परिवर्तन हुँदा रूखको पुन: मूल्याङ्कन गर्छन्, नोडहरू सामेल हुन मद्दत गर्छन्, र आवधिक अद्यावधिकहरू प्रदान गर्छन्।

उपयोगिता आधारित प्रणाली

केही खेलहरूमा धेरै फरक मेकानिकहरू छन्। यो वांछनीय छ कि तिनीहरूले सरल र सामान्य संक्रमण नियमहरूको सबै लाभहरू प्राप्त गर्छन्, तर व्यवहारको पूर्ण रूखको रूपमा आवश्यक छैन। विकल्पहरूको स्पष्ट सेट वा सम्भावित कार्यहरूको रूख हुनुको सट्टा, सबै कार्यहरू जाँच्न र यस समयमा सबैभन्दा उपयुक्त छनौट गर्न सजिलो छ।

उपयोगिता-आधारित प्रणालीले यो मात्र मद्दत गर्नेछ। यो एक प्रणाली हो जहाँ एजेन्टसँग विभिन्न कार्यहरू हुन्छन् र प्रत्येकको सापेक्ष उपयोगिताको आधारमा कुन कार्यहरू गर्ने छनौट गर्दछ। जहाँ उपयोगिता एजेन्टको लागि यो कार्य गर्न कत्तिको महत्त्वपूर्ण वा वांछनीय छ भन्ने मनमानी उपाय हो।

हालको अवस्था र वातावरणमा आधारित कार्यको गणना गरिएको उपयोगिता, एजेन्टले कुनै पनि समयमा सबैभन्दा उपयुक्त अन्य राज्य जाँच गर्न र चयन गर्न सक्छ। यो FSM सँग मिल्दोजुल्दो छ, जहाँ बाहेक हालको अवस्था सहित प्रत्येक सम्भावित अवस्थाको लागि अनुमानद्वारा संक्रमणहरू निर्धारण गरिन्छ। कृपया ध्यान दिनुहोस् कि हामी अगाडि बढ्नको लागि सबैभन्दा उपयोगी कार्य छनौट गर्छौं (वा हामीले यसलाई पूरा गरिसकेका छौं भने रहन्छन्)। थप विविधताको लागि, यो सानो सूचीबाट सन्तुलित तर अनियमित चयन हुन सक्छ।

प्रणालीले उपयोगिता मानहरूको स्वेच्छाचारी दायरा प्रदान गर्दछ - उदाहरणका लागि, 0 (पूर्ण रूपमा अवांछनीय) बाट 100 (पूर्ण रूपमा वांछनीय)। प्रत्येक कार्यमा यस मानको गणनालाई असर गर्ने मापदण्डहरूको संख्या हुन्छ। हाम्रो अभिभावक उदाहरणमा फर्किँदै:

कार्यहरू बीचको संक्रमण अस्पष्ट छन् - कुनै पनि राज्यले कुनै पनि अन्यलाई पछ्याउन सक्छ। फिर्ता गरिएको उपयोगिता मानहरूमा कार्य प्राथमिकताहरू फेला पर्छन्। यदि एक शत्रु देखिने छ, र त्यो शत्रु बलियो छ, र क्यारेक्टरको स्वास्थ्य कम छ, तब Fleeing र FindingHelp दुबै उच्च गैर-शून्य मानहरू फर्काउनेछन्। यस अवस्थामा, FindingHelp सधैं उच्च हुनेछ। त्यस्तै गरी, गैर-लडाई गतिविधिहरू कहिल्यै 50 भन्दा बढी फर्काउँदैनन्, त्यसैले तिनीहरू सधैँ लडाईहरू भन्दा कम हुनेछन्। तपाईंले कार्यहरू सिर्जना गर्दा र तिनीहरूको उपयोगिता गणना गर्दा यसलाई ध्यानमा राख्न आवश्यक छ।

हाम्रो उदाहरणमा, कार्यहरूले या त एक निश्चित स्थिर मान वा दुई निश्चित मानहरू मध्ये एक फर्काउँछ। थप यथार्थवादी प्रणालीले मानहरूको निरन्तर दायराबाट अनुमान फिर्ता गर्नेछ। उदाहरणका लागि, यदि एजेन्टको स्वास्थ्य कम छ भने फ्लाइङ कार्यले उच्च उपयोगिता मानहरू फर्काउँछ, र यदि दुश्मन धेरै बलियो छ भने आक्रमण कार्यले कम उपयोगिता मानहरू फर्काउँछ। यस कारणले गर्दा, एजेन्टले शत्रुलाई पराजित गर्न पर्याप्त स्वास्थ्य नभएको महसुस गरेको कुनै पनि परिस्थितिमा आक्रमण गर्नु भन्दा भाग्ने कार्यले प्राथमिकता लिन्छ। यसले कार्यहरूलाई कुनै पनि मापदण्डको आधारमा प्राथमिकता दिन अनुमति दिन्छ, यस दृष्टिकोणलाई व्यवहार रूख वा FSM भन्दा बढी लचिलो र चर बनाउँछ।

प्रत्येक कार्यमा कार्यक्रम गणनाको लागि धेरै सर्तहरू छन्। तिनीहरू स्क्रिप्टिङ भाषामा वा गणितीय सूत्रहरूको श्रृंखलाको रूपमा लेख्न सकिन्छ। सिम्स, जसले क्यारेक्टरको दैनिक दिनचर्या अनुकरण गर्दछ, गणनाको अतिरिक्त तह थप्छ - एजेन्टले उपयोगिता मूल्याङ्कनहरूलाई प्रभाव पार्ने "प्रेरणा" को एक श्रृंखला प्राप्त गर्दछ। यदि एक क्यारेक्टर भोकाएको छ भने, तिनीहरू समयको साथमा अझ भोका हुनेछन्, र EatFood कार्यको उपयोगिता मूल्य तब सम्म बढ्नेछ जब सम्म चरित्रले यो कार्य गर्दैन, भोकको स्तर घटाउँदै र EatFood को मूल्य शून्यमा फर्काउँछ।

मूल्याङ्कन प्रणालीमा आधारित कार्यहरू चयन गर्ने विचार एकदम सरल छ, त्यसैले उपयोगिता-आधारित प्रणालीलाई पूर्ण प्रतिस्थापनको रूपमा नभई एआई निर्णय प्रक्रियाहरूको भागको रूपमा प्रयोग गर्न सकिन्छ। निर्णय रूखले दुई चाइल्ड नोडहरूको उपयोगिता मूल्याङ्कन सोध्न सक्छ र उच्च चयन गर्न सक्छ। त्यसैगरी, व्यवहारको रूखमा कुन बच्चालाई कार्यान्वयन गर्ने भन्ने निर्णय गर्न कार्यहरूको उपयोगिता मूल्याङ्कन गर्नको लागि संयुक्त उपयोगिता नोड हुन सक्छ।

आन्दोलन र नेभिगेसन

अघिल्लो उदाहरणहरूमा, हामीसँग एउटा प्लेटफर्म थियो जुन हामी बायाँ वा दायाँ सर्छौं, र एक गार्ड जसले गस्ती वा आक्रमण गर्‍यो। तर हामीले समयको अवधिमा एजेन्ट आन्दोलनलाई कसरी ह्यान्डल गर्छौं? हामीले गति कसरी सेट गर्ने, बाधाहरूबाट कसरी बच्ने, र गन्तव्यमा पुग्न सिधा रेखामा हिड्नु भन्दा बढी गाह्रो हुँदा कसरी मार्ग योजना गर्ने? यसलाई हेरौं।

प्रबंधन

प्रारम्भिक चरणमा, हामी प्रत्येक एजेन्टको गति मान हुन्छ, जसमा यो कति छिटो र कुन दिशामा सर्दैछ भन्ने कुरा समावेश गर्दछ। यसलाई मिटर प्रति सेकेन्ड, किलोमिटर प्रति घण्टा, पिक्सेल प्रति सेकेन्ड, इत्यादिमा मापन गर्न सकिन्छ। सेन्स/थिंक/एक्ट लुपलाई सम्झेर, हामी सोच्न सक्छौं कि थिंक भागले गति चयन गर्छ, र ऐन भागले त्यो गतिलाई एजेन्टमा लागू गर्छ। सामान्यतया खेलहरूमा एक भौतिक प्रणाली हुन्छ जसले तपाइँको लागि यो कार्य गर्दछ, प्रत्येक वस्तुको गति मूल्य सिक्न र समायोजन गर्दछ। त्यसकारण, तपाइँ एआईलाई एउटा कार्यको साथ छोड्न सक्नुहुन्छ - एजेन्टको गति कस्तो हुनुपर्छ भनेर निर्णय गर्न। यदि तपाईलाई थाहा छ कि एजेन्ट कहाँ हुनुपर्छ, त्यसोभए तपाईले यसलाई सेट गतिमा सही दिशामा सार्न आवश्यक छ। एक धेरै मामूली समीकरण:

इच्छित_यात्रा = गन्तव्य_स्थिति - एजेन्ट_स्थिति

2D संसारको कल्पना गर्नुहोस्। एजेन्ट बिन्दु (-2,-2) मा छ, गन्तव्य बिन्दु (30, 20) मा उत्तरपूर्वमा कतै छ, र एजेन्टलाई त्यहाँ पुग्नको लागि आवश्यक मार्ग (32, 22) छ। मानौं यी पोजिसनहरू मिटरमा नापिन्छन् - यदि हामीले एजेन्टको गति 5 मिटर प्रति सेकेन्डमा लियौं भने, हामी हाम्रो विस्थापन भेक्टर मापन गर्नेछौं र लगभग (4.12, 2.83) को गति प्राप्त गर्नेछौं। यी प्यारामिटरहरूसँग, एजेन्ट लगभग 8 सेकेन्डमा आफ्नो गन्तव्यमा आइपुग्छ।

तपाईं कुनै पनि समयमा मानहरू पुन: गणना गर्न सक्नुहुन्छ। यदि एजेन्ट लक्ष्यको आधा बाटोमा थियो भने, आन्दोलन आधा लम्बाइ हुनेछ, तर एजेन्टको अधिकतम गति 5 m/s छ (हामीले माथि यो निर्णय गर्यौं), गति समान हुनेछ। यसले लक्ष्यहरू सार्नका लागि पनि काम गर्दछ, जसले एजेन्टलाई तिनीहरू सार्नको रूपमा साना परिवर्तनहरू गर्न अनुमति दिन्छ।

तर हामी थप भिन्नता चाहन्छौं - उदाहरणका लागि, उभिएर दौडमा सर्ने क्यारेक्टरको नक्कल गर्न बिस्तारै गति बढाउनुहोस्। रोक्नु अघि अन्त्यमा पनि त्यस्तै गर्न सकिन्छ। यी सुविधाहरूलाई स्टीयरिङ व्यवहारको रूपमा चिनिन्छ, जसमध्ये प्रत्येकको विशिष्ट नामहरू छन्: खोज, भाग्नुहोस्, आगमन, इत्यादि। एजेन्टको स्थिति र गन्तव्यसँग हालको गतिको तुलनामा आधारित, एजेन्टको गतिमा एक्सेलेरेशन बलहरू लागू गर्न सकिन्छ भन्ने विचार हो। लक्ष्यमा सार्न विभिन्न विधिहरू प्रयोग गर्न।

प्रत्येक व्यवहारको अलि फरक उद्देश्य हुन्छ। खोज र आगमन भनेको एजेन्टलाई गन्तव्यमा सार्नको लागि तरिका हो। अवरोध रोक्न र पृथकता लक्ष्यको बाटोमा अवरोधहरूबाट बच्न एजेन्टको आन्दोलन समायोजन गर्नुहोस्। पङ्क्तिबद्धता र एकताले एजेन्टहरू सँगै चलिरहन्छन्। सबै कारकहरूलाई ध्यानमा राखेर एकल पथ भेक्टर उत्पादन गर्न विभिन्न स्टीयरिङ व्यवहारहरूको कुनै पनि सङ्ख्यालाई संक्षेप गर्न सकिन्छ। पर्खाल र अन्य एजेन्टहरूबाट टाढा रहनको लागि आगमन, पृथकता, र अवरोध जोगिन व्यवहारहरू प्रयोग गर्ने एजेन्ट। यो दृष्टिकोण अनावश्यक विवरण बिना खुला स्थानहरूमा राम्रोसँग काम गर्दछ।

थप कठिन परिस्थितिहरूमा, विभिन्न व्यवहारहरूको थप खराब काम गर्दछ - उदाहरण को लागी, एक एजेन्ट आगमन र अवरोध बेवास्ता को बीच द्वन्द्व को कारण पर्खाल मा अड्किन सक्छ। त्यसकारण, तपाईले सबै मानहरू थप्नु भन्दा बढी जटिल विकल्पहरू विचार गर्न आवश्यक छ। तरिका यो हो: प्रत्येक व्यवहारको नतिजाहरू थप्नुको सट्टा, तपाईं विभिन्न दिशाहरूमा आन्दोलन विचार गर्न सक्नुहुन्छ र उत्तम विकल्प छनौट गर्न सक्नुहुन्छ।

जे होस्, जटिल वातावरणमा डेड एन्डहरू र कुन बाटो जाने छनौटहरू छन्, हामीलाई अझ उन्नत चीज चाहिन्छ।

बाटो खोज्दै

खुला क्षेत्र (फुटबल मैदान वा एरिना) मा साधारण आन्दोलनको लागि स्टीयरिङ व्यवहारहरू उत्कृष्ट छन् जहाँ A बाट B सम्म पुग्ने बाधाहरूका वरिपरि केवल सानो घुमाउरो बाटो भएको सीधा बाटो हो। जटिल मार्गहरूको लागि, हामीलाई पाथफाइन्डिङ चाहिन्छ, जुन संसारको अन्वेषण गर्ने र यसबाट मार्ग तय गर्ने तरिका हो।

एजेन्टको छेउमा प्रत्येक वर्गमा ग्रिड लागू गर्ने र ती मध्ये कुनलाई सार्न अनुमति दिइएको छ भनी मूल्याङ्कन गर्नु सबैभन्दा सरल छ। यदि तिनीहरू मध्ये एक गन्तव्य हो भने, त्यसपछि प्रत्येक वर्गबाट ​​अघिल्लो एक सम्मको मार्ग पछ्याउनुहोस् जब सम्म तपाईं सुरुमा पुग्नुहुन्न। यो बाटो हो। अन्यथा, तपाईंले आफ्नो गन्तव्य फेला नपाएसम्म वा तपाईं स्क्वायरहरू नपुगेसम्म नजिकैका अन्य स्क्वायरहरूसँग प्रक्रिया दोहोर्याउनुहोस् (अर्थात त्यहाँ कुनै सम्भावित मार्ग छैन)। यसलाई औपचारिक रूपमा ब्रेडथ-फर्स्ट सर्च वा BFS (ब्रेडथ-फर्स्ट सर्च एल्गोरिथ्म) भनिन्छ। हरेक पाइलामा उसले सबै दिशामा हेर्छ (यसैले चौडाई, "चौडाई")। खोज स्पेस एक वेभफ्रन्ट जस्तै हो जुन इच्छित स्थानमा नपुग्दासम्म सर्छ - खोज स्पेस प्रत्येक चरणमा विस्तार हुन्छ जब सम्म अन्तिम बिन्दु सम्मिलित हुँदैन, त्यसपछि यसलाई सुरुमा फिर्ता पत्ता लगाउन सकिन्छ।

नतिजाको रूपमा, तपाईंले वर्गहरूको सूची प्राप्त गर्नुहुनेछ जसमा इच्छित मार्ग कम्पाइल गरिएको छ। यो बाटो हो (त्यसैले, पाथफाइन्डिङ) - गन्तव्य पछ्याउँदा एजेन्टले भ्रमण गर्ने ठाउँहरूको सूची।

हामीलाई संसारको प्रत्येक वर्गको स्थिति थाहा छ भन्ने कुरालाई ध्यानमा राख्दै, हामी बाटोमा सार्नको लागि स्टीयरिङ व्यवहारहरू प्रयोग गर्न सक्छौं - नोड 1 बाट नोड 2, त्यसपछि नोड 2 बाट नोड 3, र यस्तै। सबैभन्दा सरल विकल्प अर्को वर्गको केन्द्रतिर जानु हो, तर अझ राम्रो विकल्प हालको वर्ग र अर्कोको बीचको किनाराको बीचमा रोक्नु हो। यसको कारणले गर्दा, एजेन्टले तीखो मोडहरूमा कुनाहरू काट्न सक्षम हुनेछ।

BFS एल्गोरिदममा पनि बेफाइदाहरू छन् - यसले "गलत" दिशामा "दायाँ" दिशामा जति धेरै वर्गहरू अन्वेषण गर्दछ। A* (A star) भनिने थप जटिल एल्गोरिथ्म खेलमा आउँछ। यसले उस्तै तरिकाले काम गर्दछ, तर छिमेकी वर्गहरू (त्यसपछि छिमेकीहरूको छिमेकीहरू, त्यसपछि छिमेकीहरूको छिमेकीहरूको छिमेकीहरू, र यस्तै अन्य) जाँच गर्नुको सट्टा, यसले नोडहरूलाई सूचीमा सङ्कलन गर्दछ र तिनीहरूलाई क्रमबद्ध गर्दछ ताकि अर्को नोड जाँच गरिएको सधैं हो। एउटा जुन छोटो बाटोमा पुग्छ। नोडहरू एक अनुमानित आधारमा क्रमबद्ध गरिएका छन् जसले दुईवटा कुराहरूलाई ध्यानमा राख्छ - इच्छित वर्गको काल्पनिक मार्गको "लागत" (कुनै पनि यात्रा लागतहरू सहित) र त्यो स्क्वायर गन्तव्यबाट कति टाढा छ भन्ने अनुमान (मा खोजीमा पूर्वाग्रह राख्दै)। सही दिशा)।

यस उदाहरणले देखाउँछ कि एजेन्टले एक पटकमा एउटा वर्ग अन्वेषण गर्दछ, प्रत्येक पटक सबैभन्दा आशाजनक छनोट गर्ने छनोट गर्दछ। नतिजा मार्ग BFS जस्तै हो, तर प्रक्रियामा थोरै वर्गहरू विचार गरियो - जसले खेल प्रदर्शनमा ठूलो प्रभाव पार्छ।

ग्रिड बिना आन्दोलन

तर धेरै जसो खेलहरू ग्रिडमा राखिएका छैनन्, र यथार्थवादको त्याग नगरी त्यसो गर्न प्राय: असम्भव हुन्छ। सम्झौता आवश्यक छ। वर्गको आकार कस्तो हुनुपर्छ? धेरै ठूलो र तिनीहरूले सही रूपमा साना कोरिडोर वा मोडहरू प्रतिनिधित्व गर्न सक्षम हुनेछैनन्, धेरै सानो र त्यहाँ खोजी गर्न धेरै वर्गहरू हुनेछ, जुन अन्ततः धेरै समय लाग्नेछ।

बुझ्नको लागि पहिलो कुरा यो हो कि जालले हामीलाई जडान नोडहरूको ग्राफ दिन्छ। A* र BFS एल्गोरिदमहरू वास्तवमा ग्राफहरूमा काम गर्छन् र हाम्रो जालको वास्ता गर्दैनन्। हामीले खेलको संसारमा जहाँसुकै नोडहरू राख्न सक्छौं: जबसम्म कुनै पनि दुई जोडिएका नोडहरू, साथै सुरु र अन्त्य बिन्दुहरू र कम्तिमा एउटा नोडहरू बीचको जडान हुन्छ, एल्गोरिदमले पहिले जस्तै काम गर्नेछ। यसलाई प्रायः एक वेपोइन्ट प्रणाली भनिन्छ, किनकि प्रत्येक नोडले संसारमा महत्त्वपूर्ण स्थानलाई प्रतिनिधित्व गर्दछ जुन कुनै पनि काल्पनिक मार्गहरूको भाग हुन सक्छ।

उदाहरण १: प्रत्येक वर्गमा गाँठ। खोज नोडबाट सुरु हुन्छ जहाँ एजेन्ट अवस्थित छ र इच्छित वर्गको नोडमा समाप्त हुन्छ।

उदाहरण २: नोडहरूको सानो सेट (वेपोइन्टहरू)। खोज एजेन्टको स्क्वायरमा सुरु हुन्छ, नोडहरूको आवश्यक संख्यामा जान्छ, र त्यसपछि गन्तव्यमा जारी रहन्छ।

यो पूर्णतया लचिलो र शक्तिशाली प्रणाली हो। तर बाटो बिन्दु कहाँ र कसरी राख्ने भन्ने निर्णय गर्दा केही सावधानी चाहिन्छ, अन्यथा एजेन्टहरूले नजिकको बिन्दु देख्न सक्दैनन् र बाटो सुरु गर्न सक्षम हुनेछैनन्। संसारको ज्यामितिको आधारमा हामीले स्वचालित रूपमा वेपोइन्टहरू राख्न सक्छौं भने यो सजिलो हुनेछ।

यो जहाँ नेभिगेसन जाल वा navmesh (नेभिगेसन जाल) देखिन्छ। यो सामान्यतया त्रिकोणको 2D जाल हो जुन संसारको ज्यामितिमा ओभरले गरिन्छ - जहाँ एजेन्टलाई हिड्न अनुमति दिइन्छ। जालमा भएका प्रत्येक त्रिभुज ग्राफमा नोड बन्छ, र ग्राफमा छेउछाउका नोडहरू हुने तीनवटा समीपवर्ती त्रिकोणहरू हुन्छन्।

यो तस्विर एकता इन्जिनबाट एउटा उदाहरण हो - यसले संसारमा ज्यामितिको विश्लेषण गर्‍यो र नवमेश (हल्का नीलोमा स्क्रिनसटमा) सिर्जना गर्यो। नवमेशमा प्रत्येक बहुभुज एउटा क्षेत्र हो जहाँ एजेन्ट खडा हुन सक्छ वा एक बहुभुजबाट अर्को बहुभुजमा जान सक्छ। यस उदाहरणमा, बहुभुजहरू भुइँहरू भन्दा सानो छन् जसमा तिनीहरू अवस्थित छन् - यो एजेन्टको आकारलाई ध्यानमा राख्नको लागि गरिन्छ, जुन यसको नाममात्र स्थान भन्दा बाहिर विस्तार हुनेछ।

हामी फेरि A* एल्गोरिदम प्रयोग गरेर यो जाल मार्फत मार्ग खोज्न सक्छौं। यसले हामीलाई संसारमा लगभग सही मार्ग दिनेछ, जसले सबै ज्यामितिलाई ध्यानमा राख्छ र अनावश्यक नोडहरू र वेपोइन्टहरू सिर्जना गर्न आवश्यक पर्दैन।

पाथफाइन्डिङ धेरै फराकिलो विषय हो जसको लागि लेखको एक खण्ड पर्याप्त छैन। यदि तपाइँ यसलाई थप विस्तारमा अध्ययन गर्न चाहनुहुन्छ भने, त्यसपछि यसले मद्दत गर्नेछ अमित पटेल वेबसाइट.

योजना

हामीले पाथफाइन्डिङको साथ सिकेका छौं कि कहिलेकाहीँ यो केवल एक दिशा छनोट गर्न र सार्न पर्याप्त छैन - हामीले हाम्रो इच्छित गन्तव्यमा पुग्नको लागि मार्ग छान्नु पर्छ र केहि मोडहरू बनाउनु पर्छ। हामी यो विचारलाई सामान्यीकरण गर्न सक्छौं: लक्ष्य हासिल गर्नु अर्को चरण मात्र होइन, तर एउटा पूरै क्रम हो जहाँ कहिलेकाहीँ तपाईंले पहिलो के हुनुपर्छ भनेर पत्ता लगाउन धेरै चरणहरू अगाडि हेर्नुपर्छ। यसलाई योजना भनिन्छ। पाथफाइन्डिङलाई योजनाको लागि धेरै विस्तारहरू मध्ये एकको रूपमा सोच्न सकिन्छ। हाम्रो संवेदना/सोच/कार्य चक्रको सन्दर्भमा, यो त्यही हो जहाँ थिंक पार्टले भविष्यका लागि धेरै ऐन भागहरू योजना बनाउँछ।

बोर्ड गेम म्याजिक: द गेदरिङको उदाहरण हेरौं। हामी हाम्रो हातमा कार्डहरूको निम्न सेट लिएर पहिले जान्छौं:

• दलदल - 1 कालो माना (जमीन कार्ड) दिन्छ।
• वन - १ हरियो मान (ल्याण्ड कार्ड) दिन्छ।
• फरार विजार्ड - बोलाउन १ नीलो माना आवश्यक छ।
• एल्विस मिस्टिक - बोलाउन १ हरियो माना चाहिन्छ।

हामी यसलाई सजिलो बनाउन बाँकी तीन कार्डहरूलाई बेवास्ता गर्छौं। नियम अनुसार, एक खेलाडीलाई प्रति पालो 1 ल्यान्ड कार्ड खेल्न अनुमति दिइएको छ, उसले यो कार्ड "ट्याप" गर्न माना निकाल्न सक्छ, र त्यसपछि मनको मात्रा अनुसार मन्त्र (प्राणीलाई बोलाउन सहित) कास्ट गर्न सक्छ। यस अवस्थामा, मानव खेलाडीले वन खेल्न जान्दछ, 1 हरियो माना ट्याप गर्नुहोस्, र त्यसपछि एल्विस मिस्टिकलाई बोलाउनुहोस्। तर खेल एआईले यो कसरी पत्ता लगाउन सक्छ?

सजिलो योजना

मामूली दृष्टिकोण भनेको प्रत्येक कार्यलाई बारीमा प्रयास गर्नु हो जबसम्म त्यहाँ कुनै उपयुक्तहरू बाँकी छैनन्। कार्डहरू हेरेर, AI ले दलदलले के खेल्न सक्छ भनेर देख्छ। र उसले खेल्छ। यो मोडमा अरू कुनै कार्यहरू बाँकी छन्? यसले एल्विस मिस्टिक वा फ्यूजिटिभ विजार्डलाई बोलाउन सक्दैन, किनकि उनीहरूलाई बोलाउनको लागि क्रमशः हरियो र निलो माना चाहिन्छ, जबकि दलदलले कालो माना मात्र प्रदान गर्दछ। र उसले अब वन खेल्न सक्षम हुनेछैन, किनकि उसले पहिले नै दलदल खेलेको छ। यसरी, खेल AI ले नियमहरू पालना गर्‍यो, तर यो खराब भयो। सुधार गर्न सकिन्छ।

योजनाले खेललाई इच्छित स्थितिमा ल्याउने कार्यहरूको सूची फेला पार्न सक्छ। जसरी बाटोको प्रत्येक वर्गमा छिमेकीहरू (पाथफाइन्डिङमा) हुन्छन्, त्यसरी नै योजनाको प्रत्येक कार्यमा छिमेकी वा उत्तराधिकारीहरू हुन्छन्। हामी यी कार्यहरू र त्यसपछिका कार्यहरू खोज्न सक्छौं जबसम्म हामी इच्छित स्थितिमा पुग्दैनौं।

हाम्रो उदाहरणमा, वांछित परिणाम "सम्भव भएमा कुनै प्राणीलाई बोलाउनुहोस्।" पालोको सुरुमा, हामी खेलका नियमहरूद्वारा अनुमति दिइएको केवल दुई सम्भावित कार्यहरू देख्छौं:

1. दलदल खेल्नुहोस् (नतिजा: खेलमा दलदल)
2. वन खेल्नुहोस् (नतिजा: खेलमा वन)

लिइएको प्रत्येक कार्यले थप कार्यहरू निम्त्याउन सक्छ र अरूलाई बन्द गर्न सक्छ, फेरि खेलको नियमहरूमा निर्भर गर्दछ। कल्पना गर्नुहोस् कि हामीले Swamp खेल्यौं - यसले अर्को चरणको रूपमा दलदल हटाउनेछ (हामीले पहिले नै खेलेका छौं), र यसले वनलाई पनि हटाउनेछ (किनकि नियमहरू अनुसार तपाईंले प्रति पालो एउटा ल्यान्ड कार्ड खेल्न सक्नुहुन्छ)। यस पछि, AI ले अर्को चरणको रूपमा 1 कालो माना थप्छ किनभने त्यहाँ कुनै अन्य विकल्पहरू छैनन्। यदि उसले अगाडि बढ्यो र ट्याप द दलदल छनोट गर्छ भने, उसले 1 एकाइ कालो माना प्राप्त गर्नेछ र यससँग केही गर्न सक्षम हुनेछैन।

1. दलदल खेल्नुहोस् (नतिजा: खेलमा दलदल)
1.1 "ट्याप" दलदल (परिणाम: दलदल "ट्याप", कालो माना को +1 एकाइ)
कुनै कार्य उपलब्ध छैन - END
2. वन खेल्नुहोस् (नतिजा: खेलमा वन)

कार्यहरूको सूची छोटो थियो, हामी अन्तिममा पुग्यौं। हामी अर्को चरणको लागि प्रक्रिया दोहोर्याउँछौं। हामी वन खेल्छौं, "1 हरियो मन प्राप्त गर्नुहोस्" कार्य खोल्नुहोस्, जसले तेस्रो कार्य खोल्नेछ - एल्विस मिस्टिकलाई बोलाउनुहोस्।

1. दलदल खेल्नुहोस् (नतिजा: खेलमा दलदल)
1.1 "ट्याप" दलदल (परिणाम: दलदल "ट्याप", कालो माना को +1 एकाइ)
कुनै कार्य उपलब्ध छैन - END
2. वन खेल्नुहोस् (नतिजा: खेलमा वन)
2.1 "ट्याप" वन (परिणाम: वन "ट्याप गरिएको" छ, हरियो मानाको +1 एकाइ)
2.1.1 Summon Elvish Mystic (नतिजा: Elvish Mystic in play, -1 green mana)
कुनै कार्य उपलब्ध छैन - END

अन्तमा, हामीले सबै सम्भावित कार्यहरू खोज्यौं र एउटा प्राणीलाई बोलाउने योजना भेट्टायौं।

यो एक धेरै सरल उदाहरण हो। केही मापदण्ड पूरा गर्ने कुनै पनि योजनाको सट्टा सबै भन्दा राम्रो सम्भावित योजना छनौट गर्न सल्लाह दिइन्छ। सामान्यतया सम्भावित योजनाहरूको नतिजा वा तिनीहरूको कार्यान्वयनको समग्र लाभको आधारमा मूल्याङ्कन गर्न सम्भव छ। तपाईं आफैले ल्यान्ड कार्ड खेल्नको लागि 1 अंक र एक प्राणीलाई बोलाउनको लागि 3 अंक प्राप्त गर्न सक्नुहुन्छ। दलदल खेल्नु 1 बिन्दु योजना हुनेछ। र Forest खेल्दै → Tap the Forest → summon Elvish Mystic ले तुरुन्तै ४ अंक दिनेछ।

यसरी योजनाले काम गर्छ Magic: The Gathering मा, तर उही तर्क अन्य परिस्थितिहरूमा पनि लागू हुन्छ। उदाहरणका लागि, बिशपलाई चेस खेल्नको लागि ठाउँ बनाउन प्यादा सार्नु। वा यसरी XCOM मा सुरक्षित रूपमा शूट गर्न पर्खाल पछाडि कभर गर्नुहोस्। सामान्यतया, तपाईंले विचार पाउनुहुन्छ।

सुधारिएको योजना

कहिलेकाहीँ प्रत्येक सम्भावित विकल्पलाई विचार गर्न धेरै सम्भावित कार्यहरू छन्। म्याजिकको साथ उदाहरणमा फर्किँदै: भेला: मानौं कि खेलमा र तपाईंको हातमा त्यहाँ धेरै भूमि र प्राणी कार्डहरू छन् - चालहरूको सम्भावित संयोजनहरूको संख्या दर्जनौंमा हुन सक्छ। समस्याको धेरै समाधानहरू छन्।

पहिलो विधि ब्याकवर्ड चेनिङ हो। सबै संयोजनहरू प्रयास गर्नुको सट्टा, अन्तिम नतिजाबाट सुरु गर्न र सीधा मार्ग खोज्ने प्रयास गर्नु राम्रो हुन्छ। रूखको जराबाट एक विशेष पातमा जानुको सट्टा, हामी विपरित दिशामा जान्छौं - पातबाट जरामा। यो विधि सजिलो र छिटो छ।

यदि शत्रुसँग १ स्वास्थ्य छ भने, तपाइँ "सौदा १ वा बढी क्षति" योजना फेला पार्न सक्नुहुन्छ। यो प्राप्त गर्न, धेरै सर्तहरू पूरा गर्नुपर्छ:

1. क्षति एक हिज्जे को कारण हुन सक्छ - यो हात मा हुनुपर्छ।
2. जादू गर्न, तपाईंलाई मन चाहिन्छ।
3. मन प्राप्त गर्न, तपाईंले ल्यान्ड कार्ड खेल्नुपर्छ।
4. ल्यान्ड कार्ड खेल्नको लागि, तपाईंले यसलाई आफ्नो हातमा राख्न आवश्यक छ।

अर्को तरिका उत्तम-पहिलो खोज हो। सबै मार्गहरू प्रयास गर्नुको सट्टा, हामी सबैभन्दा उपयुक्त एक छनौट गर्छौं। प्राय: यो विधिले अनावश्यक खोज लागत बिना इष्टतम योजना दिन्छ। A* उत्तम पहिलो खोजको एक रूप हो - सुरुबाट सबैभन्दा आशाजनक मार्गहरू जाँच गरेर, यसले अन्य विकल्पहरू जाँच नगरी पहिले नै उत्तम मार्ग पत्ता लगाउन सक्छ।

एक रोचक र बढ्दो लोकप्रिय उत्तम-पहिलो खोज विकल्प मोन्टे कार्लो ट्री खोज हो। प्रत्येक पछिको कार्य छनौट गर्दा कुन योजनाहरू अरू भन्दा राम्रो छन् भन्ने अनुमान गर्नुको सट्टा, एल्गोरिदमले प्रत्येक चरणमा अनियमित उत्तराधिकारीहरू छान्छ जबसम्म यो अन्तमा पुग्दैन (जब योजनाले विजय वा हारमा परिणाम दिन्छ)। अन्तिम परिणाम पछि अघिल्लो विकल्पहरूको वजन बढाउन वा घटाउन प्रयोग गरिन्छ। यस प्रक्रियालाई पङ्क्तिमा धेरै पटक दोहोर्याएर, एल्गोरिदमले स्थिति परिवर्तन भए पनि (यदि शत्रुले खेलाडीमा हस्तक्षेप गर्न कारबाही गर्छ भने) राम्रो अर्को चाल के हो भन्ने राम्रो अनुमान दिन्छ।

खेलहरूमा योजनाको बारेमा कुनै पनि कथा लक्ष्य-उन्मुख कार्य योजना वा GOAP (लक्ष्य-उन्मुख कार्य योजना) बिना पूरा हुनेछैन। यो एक व्यापक रूपमा प्रयोग गरिएको र छलफल गरिएको विधि हो, तर केही विशिष्ट विवरणहरू बाहेक, यो अनिवार्य रूपमा पछाडिको चेनिङ विधि हो जसको बारेमा हामीले पहिले कुरा गरेका छौं। यदि उद्देश्य "खेलाडीलाई नष्ट गर्ने" थियो र खेलाडी कभरको पछाडि छ भने, योजना हुन सक्छ: ग्रेनेडले नष्ट गर्नुहोस् → यसलाई फ्याँक्नुहोस्।

त्यहाँ सामान्यतया धेरै लक्ष्यहरू छन्, प्रत्येकको आफ्नै प्राथमिकताको साथ। यदि उच्चतम प्राथमिकता उद्देश्य पूरा गर्न सकिँदैन (कार्यहरूको कुनै संयोजनले "खेलाडीलाई मार्नुहोस्" योजना सिर्जना गर्दैन किनभने खेलाडी देखिँदैन), AI निम्न प्राथमिकता उद्देश्यहरूमा फर्किनेछ।

प्रशिक्षण र अनुकूलन

हामीले पहिले नै भनिसकेका छौं कि गेम AI ले सामान्यतया मेसिन लर्निङ प्रयोग गर्दैन किनभने यो वास्तविक समयमा एजेन्टहरू व्यवस्थापन गर्न उपयुक्त छैन। तर यसको मतलब यो होइन कि तपाईले यस क्षेत्रबाट केहि ऋण लिन सक्नुहुन्न। हामी शूटरमा प्रतिद्वन्द्वी चाहन्छौं जसबाट हामीले केही सिक्न सक्छौं। उदाहरण को लागी, नक्सामा सबै भन्दा राम्रो स्थिति को बारे मा पत्ता लगाउनुहोस्। वा लडाई खेलमा प्रतिद्वन्द्वी जसले खेलाडीको बारम्बार प्रयोग हुने कम्बो चालहरू रोक्छ, उसलाई अरू प्रयोग गर्न उत्प्रेरित गर्दछ। त्यसैले यस्तो अवस्थामा मेसिन लर्निङ निकै उपयोगी हुन सक्छ।

तथ्याङ्क र सम्भावनाहरू

हामी जटिल उदाहरणहरूमा जानु अघि, केहि सरल मापनहरू लिएर निर्णयहरू गर्न प्रयोग गरेर हामी कति टाढा जान सक्छौं हेरौं। उदाहरणका लागि, वास्तविक-समय रणनीति - हामी कसरी निर्धारण गर्छौं कि कुनै खेलाडीले खेलको पहिलो केही मिनेटमा आक्रमण सुरु गर्न सक्छ र यसको विरुद्धमा कस्तो सुरक्षा तयारी गर्ने? हामी खेलाडीको विगतका अनुभवहरू अध्ययन गरेर भविष्यमा कस्तो प्रतिक्रिया हुन सक्छ भनेर बुझ्न सक्छौं। सुरुमा, हामीसँग त्यस्तो कच्चा डाटा छैन, तर हामी यसलाई सङ्कलन गर्न सक्छौं - हरेक पटक एआईले मानव विरुद्ध खेल्छ, यसले पहिलो आक्रमणको समय रेकर्ड गर्न सक्छ। केहि सत्रहरू पछि, हामी खेलाडीले भविष्यमा आक्रमण गर्न लाग्ने समयको औसत प्राप्त गर्नेछौं।

त्यहाँ औसत मानहरूमा पनि समस्या छ: यदि एक खेलाडीले 20 पटक दौड्यो र 20 पटक बिस्तारै खेल्यो भने, आवश्यक मानहरू बीचमा कतै हुनेछ, र यसले हामीलाई केही उपयोगी दिनेछैन। एउटा समाधान भनेको इनपुट डाटा सीमित गर्नु हो - अन्तिम २० टुक्राहरूलाई ध्यानमा राख्न सकिन्छ।

खेलाडीको विगतका प्राथमिकताहरू भविष्यमा उस्तै हुनेछन् भनी मानेर निश्चित कार्यहरूको सम्भावना अनुमान गर्दा समान दृष्टिकोण प्रयोग गरिन्छ। यदि कुनै खेलाडीले हामीलाई पाँच पटक फायरबल, दुई पटक बिजुली र एक पटक हावाले आक्रमण गर्छ भने, यो स्पष्ट छ कि उसले फायरबललाई प्राथमिकता दिन्छ। एक्स्ट्रपोलेट गरौं र विभिन्न हतियारहरू प्रयोग गर्ने सम्भावना हेर्नुहोस्: फायरबल = 62,5%, बिजुली = 25% र हावा = 12,5%। हाम्रो खेल AI ले आगोबाट आफूलाई जोगाउन तयार हुनुपर्छ।

अर्को चाखलाग्दो विधि भनेको ठूलो मात्रामा इनपुट डेटा अध्ययन गर्न र एआईले इच्छित तरिकामा प्रतिक्रिया दिनको लागि स्थिति वर्गीकरण गर्न Naive Bayes Classifier प्रयोग गर्नु हो। Bayesian क्लासिफायरहरू इमेल स्प्याम फिल्टरहरूमा प्रयोगको लागि सबैभन्दा राम्रोसँग परिचित छन्। त्यहाँ तिनीहरूले शब्दहरू जाँच्छन्, तिनीहरूलाई तुलना गर्नुहोस् जहाँ ती शब्दहरू पहिले देखा परेका छन् (स्प्याममा वा होइन), र आगमन इमेलहरूको बारेमा निष्कर्ष निकाल्नुहोस्। हामी थोरै इनपुटमा पनि उही कुरा गर्न सक्छौं। AI ले देख्ने सबै उपयोगी जानकारीको आधारमा (जस्तै कुन शत्रु एकाइहरू बनाइएका छन्, वा तिनीहरूले कुन हिज्जेहरू प्रयोग गर्छन्, वा तिनीहरूले अनुसन्धान गरेका प्रविधिहरू), र अन्तिम परिणाम (युद्ध वा शान्ति, हतार वा रक्षा, आदि)। - हामी इच्छित AI व्यवहार छनोट गर्नेछौं।

यी सबै प्रशिक्षण विधिहरू पर्याप्त छन्, तर परीक्षण डेटामा आधारित तिनीहरूलाई प्रयोग गर्न सल्लाह दिइन्छ। AI ले तपाइँका प्ले परीक्षकहरूले प्रयोग गरेका विभिन्न रणनीतिहरूमा अनुकूलन गर्न सिक्नेछ। रिलिज पछि खेलाडीमा अनुकूल हुने AI धेरै भविष्यवाणी गर्न वा हराउन धेरै गाह्रो हुन सक्छ।

मूल्य आधारित अनुकूलन

हाम्रो खेल संसारको सामग्री र नियमहरूलाई ध्यानमा राख्दै, हामी इनपुट डेटा प्रयोग गर्नुको सट्टा निर्णय लिने प्रभाव पार्ने मानहरूको सेट परिवर्तन गर्न सक्छौं। हामी यो गर्छौं:

• AI लाई विश्वको अवस्था र खेलको समयमा प्रमुख घटनाहरू (माथिको रूपमा) डाटा सङ्कलन गर्न दिनुहोस्।
• यस डाटामा आधारित केही महत्त्वपूर्ण मानहरू परिवर्तन गरौं।
• हामी यी मानहरू प्रशोधन वा मूल्याङ्कनमा आधारित हाम्रा निर्णयहरू कार्यान्वयन गर्छौं।

उदाहरणका लागि, एजेन्टसँग पहिलो-व्यक्ति शूटर नक्सामा छनौट गर्न धेरै कोठाहरू छन्। प्रत्येक कोठाको आफ्नै मूल्य हुन्छ, जसले भ्रमण गर्न कत्तिको वांछनीय छ भनेर निर्धारण गर्दछ। एआई अनियमित रूपमा मूल्यको आधारमा कुन कोठामा जाने छनौट गर्दछ। त्यसपछि एजेन्टले उसलाई कुन कोठामा मारेको थियो सम्झन्छ र यसको मूल्य घटाउँछ (उहाँ फर्कने सम्भावना)। त्यसै गरी उल्टो अवस्थाको लागि - यदि एजेन्टले धेरै विरोधीहरूलाई नष्ट गर्छ, त्यसपछि कोठाको मूल्य बढ्छ।

मार्कोभ मोडेल

यदि हामीले सङ्कलन गरिएको डाटालाई भविष्यवाणी गर्न प्रयोग गर्यौं भने के हुन्छ? यदि हामीले कुनै निश्चित समयावधिको लागि खेलाडीलाई देख्ने हरेक कोठा सम्झन्छौं भने, हामी खेलाडी कुन कोठामा जान सक्छ भन्ने भविष्यवाणी गर्नेछौं। कोठाहरू (मानहरू) मा खेलाडीको चालहरू ट्र्याक र रेकर्ड गरेर, हामी तिनीहरूको भविष्यवाणी गर्न सक्छौं।

रातो, हरियो र नीलो: तीनवटा कोठाहरू लिनुहोस्। र हामीले खेल सत्र हेर्दा रेकर्ड गरेका अवलोकनहरू:

प्रत्येक कोठामा अवलोकनहरूको संख्या लगभग बराबर छ - हामीलाई अझै पनि थाहा छैन कि घातको लागि राम्रो ठाउँ कहाँ बनाउने। नक्सामा समान रूपमा देखा पर्ने खेलाडीहरूको पुन: प्राप्तिले तथ्याङ्क सङ्कलन पनि जटिल छ। तर नक्सामा देखा परेपछि तिनीहरूले प्रवेश गर्ने अर्को कोठाको डेटा पहिले नै उपयोगी छ।

यो देख्न सकिन्छ कि हरियो कोठा खेलाडीहरूलाई उपयुक्त छ - धेरै मानिसहरू रातो कोठाबाट यसमा सर्छन्, जसमध्ये 50% त्यहाँ रहन्छन्। नीलो कोठा, यसको विपरित, लोकप्रिय छैन; लगभग कोही पनि यसमा जाँदैन, र यदि तिनीहरू गर्छन् भने, तिनीहरू लामो समयसम्म रहँदैनन्।

तर डेटाले हामीलाई अझ महत्त्वपूर्ण कुरा बताउँछ - जब एक खेलाडी नीलो कोठामा हुन्छ, हामीले उसलाई देख्ने अर्को कोठा रातो हुनेछ, हरियो होइन। रातो कोठा भन्दा हरियो कोठा धेरै लोकप्रिय भए पनि खेलाडी निलो कोठामा भए अवस्था बदलिन्छ। अर्को अवस्था (अर्थात खेलाडी जाने कोठा) अघिल्लो अवस्था (अर्थात खेलाडी हाल रहेको कोठा) मा निर्भर गर्दछ। हामीले निर्भरताहरू अन्वेषण गर्ने हुनाले, हामीले स्वतन्त्र रूपमा अवलोकनहरू गन्यौं भने हामी अझ सही भविष्यवाणी गर्नेछौं।

विगतको अवस्थाको तथ्याङ्कको आधारमा भविष्यको अवस्थाको भविष्यवाणी गर्नेलाई मार्कोभ मोडेल भनिन्छ, र त्यस्ता उदाहरणहरू (कोठासहित) मार्कोभ चेन भनिन्छ। ढाँचाहरूले क्रमिक राज्यहरू बीचको परिवर्तनको सम्भाव्यतालाई प्रतिनिधित्व गर्ने हुनाले, तिनीहरू दृश्यात्मक रूपमा FSMs को रूपमा प्रत्येक संक्रमणको वरिपरि सम्भाव्यताका साथ प्रदर्शित हुन्छन्। पहिले, हामीले FSM प्रयोग गर्यौं व्यवहारिक अवस्था प्रतिनिधित्व गर्न जुन एजेन्टमा थियो, तर यो अवधारणा कुनै पनि राज्यमा विस्तार हुन्छ, चाहे यो एजेन्टसँग सम्बन्धित छ वा छैन। यस अवस्थामा, राज्यहरूले एजेन्टले ओगटेको कोठा प्रतिनिधित्व गर्दछ:

राज्य परिवर्तनको सापेक्षिक सम्भावनालाई प्रतिनिधित्व गर्ने यो सरल तरिका हो, जसले एआईलाई अर्को राज्यको भविष्यवाणी गर्ने क्षमता प्रदान गर्दछ। तपाईं धेरै कदम अगाडि अनुमान गर्न सक्नुहुन्छ।

यदि कुनै खेलाडी ग्रिन रुममा छ भने, अर्को पटक हेर्दा उ त्यहाँ रहने सम्भावना ५०% हुन्छ। तर पछि पनि उनी त्यहाँ रहने सम्भावना के छ? त्यहाँ एक मौका मात्र छैन कि खेलाडी दुई अवलोकन पछि ग्रीन रूममा रह्यो, तर त्यहाँ एक मौका पनि छ कि उसले छोड्यो र फर्क्यो। नयाँ डेटालाई ध्यानमा राख्दै नयाँ तालिका यहाँ छ:

यसले देखाउँछ कि दुई अवलोकन पछि खेलाडीलाई ग्रीन रूममा हेर्ने मौका 51% - 21% बराबर हुनेछ कि ऊ रातो कोठाबाट हुनेछ, ती मध्ये 5% कि खेलाडीले तिनीहरूको बीचको निलो कोठामा भ्रमण गर्नेछ, र 25% कि खेलाडीले ग्रीन रुम छोड्ने छैन।

तालिका केवल एक दृश्य उपकरण हो - प्रक्रिया मात्र प्रत्येक चरणमा सम्भावनाहरू गुणा गर्न आवश्यक छ। यसको मतलब तपाईं एक चेतावनीको साथ भविष्यमा हेर्न सक्नुहुन्छ: हामी मान्दछौं कि कोठामा प्रवेश गर्ने मौका पूर्ण रूपमा हालको कोठामा निर्भर गर्दछ। यो मार्कोभ सम्पत्ति भनिन्छ - भविष्य राज्य वर्तमान मा निर्भर गर्दछ। तर यो 100% सही छैन। खेलाडीहरूले अन्य कारकहरूको आधारमा निर्णयहरू परिवर्तन गर्न सक्छन्: स्वास्थ्य स्तर वा गोला बारुदको मात्रा। किनभने हामीले यी मानहरू रेकर्ड गर्दैनौं, हाम्रा पूर्वानुमानहरू कम सटीक हुनेछन्।

एन-ग्राम

लडाई खेलको उदाहरण र खेलाडीको कम्बो चालहरू भविष्यवाणी गर्ने बारे के? उस्तै! तर एउटा राज्य वा घटनाको सट्टा, हामी कम्बो स्ट्राइक बनाउने सम्पूर्ण अनुक्रमहरूको जाँच गर्नेछौं।

यो गर्ने एउटा तरिका प्रत्येक इनपुट (जस्तै किक, पंच वा ब्लक) लाई बफरमा भण्डारण गर्ने र सम्पूर्ण बफरलाई घटनाको रूपमा लेख्ने हो। त्यसैले खेलाडीले सुपरडेथफिस्ट आक्रमण प्रयोग गर्न बारम्बार किक, किक, पंच थिच्छ, एआई प्रणालीले सबै इनपुटहरूलाई बफरमा भण्डारण गर्छ र प्रत्येक चरणमा प्रयोग गरिएका अन्तिम तीनहरू सम्झन्छ।

(खेलाडीले SuperDeathFist आक्रमण सुरु गर्दा बोल्ड रेखाहरू हुन्।)

AI ले सबै विकल्पहरू देख्नेछ जब खेलाडीले किक चयन गर्दछ, त्यसपछि अर्को किक, र त्यसपछि अर्को इनपुट सधैं पंच हो भनेर ध्यान दिनुहोस्। यसले एजेन्टलाई SuperDeathFist को कम्बो चालको भविष्यवाणी गर्न र सम्भव भएमा ब्लक गर्न अनुमति दिनेछ।

घटनाहरूको यी अनुक्रमहरूलाई N-grams भनिन्छ, जहाँ N भण्डारण गरिएका तत्वहरूको संख्या हो। अघिल्लो उदाहरणमा यो 3-ग्राम (ट्रिग्राम) थियो, जसको अर्थ: पहिलो दुई प्रविष्टिहरू तेस्रो भविष्यवाणी गर्न प्रयोग गरिन्छ। तदनुसार, 5-ग्राममा, पहिलो चार प्रविष्टिहरूले पाँचौं र यस्तै भविष्यवाणी गर्दछ।

डिजाइनरले एन-ग्रामको साइज सावधानीपूर्वक छनौट गर्न आवश्यक छ। सानो N लाई कम मेमोरी चाहिन्छ तर कम इतिहास पनि भण्डारण गर्दछ। उदाहरणका लागि, 2-ग्राम (बिग्राम) ले किक, किक वा किक, पंच रेकर्ड गर्नेछ, तर किक, किक, पंच भण्डार गर्न सक्षम हुनेछैन, त्यसैले एआईले सुपरडेथफिस्ट कम्बोलाई प्रतिक्रिया दिनेछैन।

अर्कोतर्फ, ठूला संख्याहरूलाई बढी मेमोरी चाहिन्छ र एआईलाई प्रशिक्षित गर्न अझ गाह्रो हुनेछ किनकि त्यहाँ धेरै सम्भावित विकल्पहरू हुनेछन्। यदि तपाईंसँग किक, पंच वा ब्लकका तीनवटा सम्भावित इनपुटहरू छन्, र हामीले 10-ग्राम प्रयोग गर्यौं भने, त्यो लगभग 60 हजार विभिन्न विकल्पहरू हुनेछन्।

बिग्राम मोडेल एक साधारण मार्कोभ चेन हो - प्रत्येक विगतको राज्य/वर्तमान अवस्थाको जोडी एक बिग्राम हो, र तपाईंले पहिलोको आधारमा दोस्रो अवस्थाको भविष्यवाणी गर्न सक्नुहुन्छ। 3-ग्राम र ठूला एन-ग्रामहरूलाई मार्कोभ चेनहरूको रूपमा पनि सोच्न सकिन्छ, जहाँ सबै तत्वहरू (एन-ग्राममा अन्तिम एक बाहेक) मिलेर पहिलो अवस्था र अन्तिम तत्व दोस्रो बन्छन्। लडाई खेल उदाहरणले किक र किक राज्यबाट किक र पंच राज्यमा संक्रमणको मौका देखाउँदछ। बहु इनपुट इतिहास प्रविष्टिहरूलाई एक एकाइको रूपमा व्यवहार गरेर, हामी अनिवार्य रूपमा सम्पूर्ण राज्यको अंशमा इनपुट अनुक्रम रूपान्तरण गर्दैछौं। यसले हामीलाई मार्कोभ गुण दिन्छ, जसले हामीलाई अर्को इनपुटको भविष्यवाणी गर्न र कम्बो चाल अर्को हुनेछ भनेर अनुमान गर्न मार्कोभ चेनहरू प्रयोग गर्न अनुमति दिन्छ।

निष्कर्षमा

हामीले कृत्रिम बुद्धिमत्ताको विकासमा सबैभन्दा सामान्य उपकरण र दृष्टिकोणहरूको बारेमा कुरा गर्यौं। हामीले ती अवस्थाहरूमा पनि हेर्‍यौं जुन तिनीहरू प्रयोग गर्न आवश्यक छ र जहाँ तिनीहरू विशेष गरी उपयोगी छन्।

यो खेल AI को आधारभूत कुरा बुझ्न पर्याप्त हुनुपर्छ। तर, निस्सन्देह, यी सबै विधिहरू होइनन्। कम लोकप्रिय, तर कम प्रभावकारी समावेश छैन:

• हिल क्लाइम्बिङ, ग्रेडियन्ट डिसेन्ट र आनुवंशिक एल्गोरिदमहरू सहित अनुकूलन एल्गोरिदमहरू
• विरोधी खोज/तालिका एल्गोरिदम (मिनिमेक्स र अल्फा-बीटा प्रुनिङ)
• वर्गीकरण विधिहरू (परसेप्टरन, न्यूरल नेटवर्क र समर्थन भेक्टर मेसिनहरू)
• प्रशोधन एजेन्टहरूको धारणा र मेमोरीको लागि प्रणालीहरू
• एआई (हाइब्रिड प्रणाली, सबसेट आर्किटेक्चर र एआई प्रणालीहरू ओभरले गर्ने अन्य तरिकाहरू) को लागि वास्तुकला दृष्टिकोणहरू
• एनिमेसन उपकरण (योजना र गति समन्वय)
• कार्यसम्पादन कारकहरू (विवरणको स्तर, कुनै पनि समय, र टाइमलाइसिङ एल्गोरिदमहरू)

यस विषयमा अनलाइन स्रोतहरू:

1. GameDev.net छ AI मा लेख र ट्यूटोरियल संग खण्डर फोरम.
2. AiGameDev.com खेल AI विकाससँग सम्बन्धित विषयहरूको विस्तृत दायरामा धेरै प्रस्तुतीकरणहरू र लेखहरू समावेश छन्।
3. GDC भल्ट GDC AI शिखर सम्मेलनका विषयहरू समावेश छन्, जसमध्ये धेरै नि:शुल्क उपलब्ध छन्।
4. उपयोगी सामग्रीहरू वेबसाइटमा पनि फेला पार्न सकिन्छ एआई गेम प्रोग्रामर गिल्ड.
5. Tommy Thompson, AI अनुसन्धानकर्ता र खेल विकासकर्ता, YouTube मा भिडियोहरू बनाउँछन् एआई र खेलहरू व्यावसायिक खेलहरूमा एआईको व्याख्या र अध्ययनको साथ।

विषयमा पुस्तकहरू:

1. गेम एआई प्रो पुस्तक श्रृंखला छोटो लेखहरूको संग्रह हो जसले विशिष्ट सुविधाहरू कसरी कार्यान्वयन गर्ने वा विशिष्ट समस्याहरू कसरी समाधान गर्ने भनेर वर्णन गर्दछ।

गेम एआई प्रो: गेम एआई प्रोफेशनल्सको कलेक्टेड विजडम
गेम एआई प्रो २: गेम एआई प्रोफेशनल्सको कलेक्टेड विजडम
गेम एआई प्रो २: गेम एआई प्रोफेशनल्सको कलेक्टेड विजडम

२. एआई गेम प्रोग्रामिङ विजडम सिरिज गेम एआई प्रो सिरिजको पूर्ववर्ती हो। यसले पुरानो विधिहरू समावेश गर्दछ, तर लगभग सबै आज पनि सान्दर्भिक छन्।

एआई गेम प्रोग्रामिङ विजडम १
एआई गेम प्रोग्रामिङ विजडम १
एआई गेम प्रोग्रामिङ विजडम १
एआई गेम प्रोग्रामिङ विजडम १

3. कृत्रिम बुद्धिमत्ता: एक आधुनिक दृष्टिकोण कृत्रिम बुद्धिमत्ताको सामान्य क्षेत्र बुझ्न चाहने सबैका लागि आधारभूत पाठहरू मध्ये एक हो। यो खेल विकासको बारेमा पुस्तक होइन - यसले AI को आधारभूत कुराहरू सिकाउँछ।

स्रोत: www.habr.com