現地参加せずに、ニコ生の放送観た纏め。

資料とか他の人の纏めとか †

▲ ▼

複数タイトルで使われた柔軟性の高いAIエンジン †

  • BNSさん。タイムクライシス5とか。
  • 柔軟で決まった動き
  • AIデザイナのみで構築可能な環境
    　AI Designer
    　　|
    　Squad AI（個々のグループ）
    　　｜
    　Agent AI（個人）
  • Agent AI
    機能毎にモジュール化。
    モジュールを組み合わせてAIを作る。
▲ ▼

AIの流れ †

  • Perception -> Brain -> Action
▲ ▼

Perception（認識） †

  • キャラクターの認識。環境から収集してAI独自の解釈を加えて保存
    • レベル中の静的オブジェクト、動的オブジェクト（プレイやー、敵）、ナビゲーションメッシュ
      AIの価値観で取捨選択、加工する。
      ex.)プレイヤーの行動でヘイト値を増減、ヘイト値が高いプレイヤーを狙う
    • Layer-based Perception System
      • ソースレイヤー
        データ収集。視覚、聴覚をシミュレート。索敵など。
      • 加工レイヤー
        フィルタリング。レイキャストや経路探索等。スコアリング
      • 選択レイヤー
        集めた中からどれを使うか。スコアの一番高いもの、ランダムとか。
      • 事前にプライオリティでソートを行う。
        ex.)
  1. 範囲内の敵をリストアップ
  2. 距離によるスコアリング
  3. スコアに応じて
    残り体力でスコアリングすると味方プレイヤーの回復とかにも使える。
    • 危険度の低い敵を狙う
      敵から攻撃を受けた際に、その敵の座標を危険地点として他のAIにも通達する。（パンくず）
    • Influence Map
      フィールド上の影響度。（敵、味方どちらが優勢かなど）
      作成方法
  4. 影響度の元となる種を設定する。（危険地点（パンくず）など）
  5. 隣接するノードに伝搬させる。
  6. 繰り返す 
         
 Brain（意思決定）
   昔からのやり方（FSM）
   　複雑になってくると全体像が見えにくい。管理しきれなく鳴る
   
   BehaviorTreeとHTNプランニングのハイブリッドシステム
     BehaviorTree
       タスク：条件判定、実際の行動
       シーケンス：タスクを順番に実行
       プライオリティ(UE4だとSelector?)：複数のタスクから一つを選ぶ
       Probability：設定された比率からランダムで選ぶ
       Parallel：複数のタスクを同時に行う
       Decorator：子供のタスクの動作をカスタム（数回繰り返す、タイムリミット等）
   
     HTNプランニング
       階層型タスクネットワーク（ドメイン）
       状態に応じて分解（ステート）
       目標（ゴール）を達成する為のタスク列（プラン）を得る。
       
       PrimitiveTask
         ステートへの操作。自分の状態変化
       CompoundTask
         サブタスクのリスト
     
     ハイブリッドに
       BehaviorTreeで決めた目標を達成するタスクをHTNプランニングにより求める
       BehaviorTreeをメインにして、HTNプランナーに具体的な目標を渡すと、短期的なプランが出来上がり細かな制御が出来る。
       HTNプランニングをメインにして、HTNプランナーに大まかな目標を渡すと、長期的なプランが出来上がりAIの自律的な行動が出来る。
   
   BDIモデル
     特定の計画を元に行動しようとする意図がある。同じ結果であっても意図によってアニメーションを変えたりして自然な動きに。
     意図は信念と願望により決定される。
     ・BDIアーキテクチャ（信念、願望、意図を保持する）
       1.信念と欲求から願望（BehaviorTree）を決めて候補（HTNドメイン）を算出
       2.候補から実際に行う物を決定（HTNプランナー）
       3.実行
       4.外部要因で信念を更新する
       
       -> 合理性の高い、人間らしいAIをAIデザイナが構築できる。
       
   ・プランニングの問題
       遅延評価
         プランニング時では予測出来ない。
         カバーポイントに移動してから、プレイヤーの距離をはかって攻撃の種類を決定する時（プレイヤー移動するかも）
       並列タスク
         同時に行える方が自然
           ・カバーへ移動
           ・リロード
         タスクを小分けにしてParallelで繋ぐ
         
   ・まとめ
       シーケンススクリプト  |
                             +-> BehaviorTree -> HTNプランニング -> BehaviorTree(plan)
       プログラム            |
   
 Action（意思をキャラクターに反映）
 
   意図によってアニメーションを変化させる
     攻撃するための移動。カバーポイントに着く前から狙う動作に入る。
     隠れるための移動。カバーポイントに着く前から隠れる動作に入る。
   
   Steering
     キャラクターの移動を担当するモジュール
     ・人
       Pathfinding
       Path Following
       Collision Avoidance(ORCA based)
     ・乗り物
       車線変更、多数の敵の制御。手付けデータの流し込みでは限界。
       　↓
       AI制御。物理駆動。
       
       コースデータ
         スプライン、スプラインの幅でコースデータを表現
       コントロール
         目標はレベルデザイナーが設定
         
       PID制御
         P：比例動作。目標値と現在値の差に比例した動作
         I：積分動作。差の累積値（積分）に比例した制御
         D：微分動作。差おｎ変化量（微分）に比例した制御
       
         目標値（速度、角度） -> LPF +-> P -+-> Vehicle -> 出力値（速度、角度）
                                     +-> I -|
                                     +-> D -|
         パラメーター調整が重要
           適当なパラメーターだとふらふらする。
         パラメーター調整方法
           限界感度法
           ステップ応答法。最適値というより近似値
           
           -> ステップ応答法で求めた値をベースに、焼きなまし法で求める
           簡単なテストコースでパラメーターを調整
             -> 目標値と実際の値をエラー値として保存
           
           課題
             焼なまし法による調整では何百周、何千周もしなければいけない。
               -> キャラクタAIの学習利用は、他の処理を省いて高速で動く環境有るのがベスト

・課題

 AIデザイナにもAI技術の知識が必要
    ホーム 一覧 単語検索 最終更新 バックアップ リンク元   ヘルプ   最終更新のRSS