AI in Computer Games. Übersicht. Motivation. Vorteile der Spielumgebung. Techniken. Anforderungen

Transkript

1 Übersicht AI in Computer Games Motivation Vorteile der Spielumgebung Techniken Anwendungen Zusammenfassung Motivation Vorteile der Spielumgebung Modellierung glaubwürdiger Agenten Implementierung menschlicher Verhaltensweisen höherer Realismus in Computerspielen Vereinfachung der Erstellung von Systemen einfache Sensoren einfache Motoren breite Testgemeinschaft viele Anwendungsgebiete gute technische Vorraussetzungen Techniken Anforderungen Script basierte Agenten Neuronale Netze Genetische Algorithmen SOAR Anforderungen Echtzeit Reaktiv Planend Lernfähig Realistisch Herausfordernd einfach zu Entwickeln

2 Script basierte Agenten sehr schnell kaum Reaktiv Planend aber nicht Lernfähig einfach zu Entwickeln unrealistisch einem menschlichen Gegner nicht gewachsen Script-KI Beispiel: Age of Kings basiert auf Produktionsregeln Builder AI Tactical AI Strategy AI - bestimmt wo gebaut wird - Pfadsuche für Einheiten - effiziente Formationen - Resourcenverteilung - Diplomatie verfolgt einen festen Plan kann seinen Plan nur schwer anpassen kann keine neuen Pläne entwickeln Ist menschlichem Gegner meist unterlegen Lösungsansatz: betrügen rein Reaktiv Neuronale Netze lernfähig, aber benötigt viele Zyklen schwierig bei komplexen Handlungsabläufen realistisch einem menschlichen Gegner überlegen Training von Quake Bots Multiplayer-Spiele von Menschen werden aufgezeichnet bestimmte Aktionen werden extrahiert Neuronales Netz wird trainiert trainierte Aktionen werden sehr effizient ausgeführt komplexe Handlungsabläufe schwer zu trainieren Genetische Algorithmen Lernfähig realistisch - lernen durch Wolfpacking - lernen durch Lehrer einem menschlichen Gegner überlegen Creatures Komplexe Umwelt modelliert Creatures vererben ihre Instinkte und Physiologie an ihre Nachkommen Creatures lernen durch Interaktion mit der Umwelt und untereinander Creatures lernen durch Lehrer Experiment mit Creatures als Piloten

3 SOAR Aktionszyklus Kognitive Architektur um Systeme mit intelligentem Verhalten zu entwickeln Kann aufgrund einer Wissensbasis inferenzieren Regelbasiert trifft aufgrund dieser Regeln, den Sensoreingaben und seines Weltwissens Aktionsentscheidungen Integration von SOAR zur KI-Steuerung Strategie Rollenspiel Action Anwendungen Strategie Probleme: hoher Rechenaufwand - viele Agenten (eventuell hunderte) - viele Sensoreingaben - komplexer Wissensraum Rollenspiel Probleme: Interaktion mit Menschen schwer evaluierbar erfordert enormes Hintergrundwissen Sprachsynthese / -produktion vorgefertigte Interaktion

4 The Haunting Gefühle und Bedürfnisse wurden modelliert Umwelt wurde modelliert - Hitze, Kälte - Angst, Neugier Manipulation der Gefühle mittels Umweltmanipulation Manipulation durch Besitzen keine direkte Interaktion mit Menschen Action Sensoren für die Wahrnehmung der Umwelt - Sichtfeld - Geräuschinformation Motoren - Körpersteuerung Gedächtnis - lernt die Umwelt kennen - speichert Strategien Soar - verbindet die drei Bereiche Sensoren und Motoren Quake Bot Strategie Sensoren nehmen die Umgebung wahr und geben die Informationen an das SOAR-Interface (10 mal/sec) Das SOAR-Interface steuert die Motoren Durchführung Lernen durch Exploration Bot wird ausgesetzt und versucht die gesamte Karte zu erkunden Interne Karte wird von der realen Welt abstrahiert Räume, Durchgänge, Gegenstände und Respawn-Punkte werden gelernt Wegplanung aufgrund der abstrakten Karte Umsetzung in reale Bewegung

5 Lernen durch Evaluation Ziele zur Bewertung von Aktionen werden erstellt (hart codiert) verschieden Aktionen werden zufällig ausgeführt Bot bewertet seine Aktionen die besten Aktionen setzen sich durch Antizipation Ein Plan wird erstellt Auswirkungen des Plans werden evaluiert Bot projiziert sich in seinen Gegner Bot antizipiert die nächste Handlung Bot benutzt sein Wissen um sich einen Vorteil zu verschaffen Perzeption Antizipation Beispiel Projektion Handeln Zusammenfassung verschiedene Anwendungen haben unterschiedliche Anforderungen Techniken haben unterschiedliche Stärken und Schwächen Komplexität der KI ist Zeit / Geldfaktor Intelligente KI steigert den Spielspaß Literatur AI Programming Example: Age of Kings CS 395 GameDesign 2002 A Test Bed for developing Intelligent Synthetic Characters John E. Laird It Knows What You re Going To Do John E. Laird Human Level AI s Killer Application John E. Laird Intelligent Agents in Computer Games John E. Laird Developing an Artificial Intelligence Engine Michael van Lent