CEDEC 2015 のバックアップ(No.3)

バックアップ一覧
差分を表示
現在との差分を表示
現在との差分 - Visual を表示
ソースを表示
CEDEC 2015 へ行く。
- 1 (2015-09-23 (水) 20:37:32)
- 2 (2015-09-23 (水) 20:48:22)
- 3 (2015-09-24 (木) 01:18:15)

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
- AIの流れ
- 課題
FINAL FANTASY XV -EPISODE DUSCAE- におけるキャラクターAIの意思決定システム

現地参加せずに、ニコ生の放送観た纏め。
間違ってたらごめんなさい

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 †

BDIモデル、PID制御とその辺りを理解しきれなかった……

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.)
    範囲内の敵をリストアップ
    距離によるスコアリング
    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
    　影響度の元となる種を設定する。（危険地点（パンくず）など）
    　隣接するノードに伝搬させる。
    　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（その間に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

▲ ▼

FINAL FANTASY XV -EPISODE DUSCAE- におけるキャラクターAIの意思決定システム †

▲ ▼

イントロダクション †

AIキャラクター制作に求められたこと
- 説得力のある行動
- リアリティのある挙動
- イベントとシームレス
- 量産性

▲ ▼

意思決定入門 †

「環境」の中に「身体」
「知能」が身体を環境の中で動作させる
入力（センサー） -> 身体 -> 行動（アウトプット）

知能の内部世界 <-> 環境世界

エージェント・アーキテクチャ。知能と環境をわけて考える

知能の内部世界
[環境世界] -> 記憶 -> 認識の形成 -> 意思の決定 -> 運動の構成 -> 身体制御 -> [環境世界]
情報が循環する（インフォメーション・フロー）

意思決定モデル
- ルール（規制）ベースAI
- ステート（状態）ベースAI
- ビヘイビア（振る舞い）ベースAI
- ゴール（目標）ベースAI
- タスク（仕事）ベースAI
- ユーティリティ（効用）ベースAI
- シミュレーションベースAI

ビヘイビアツリー入門
多層構造

ステート入門
ステートを遷移条件で結ぶ
基本的に循環するステートマシン（有限状態マシン）を作る。
階層化も出来る。

ステートマシンの堅実な制御と、ビヘイビアツリーの適応的な行動の生成、両方の長所を生かしたい

▲ ▼

Luminous AIの全体設計 †

必要な概念リストを作成
種類分け
それぞれを実装していく

メタAI
ゲーム全体の流れをコントロール
プレイヤーがピンチだから助けるとか
キャラクターAI（Luminous AI Graph）
自分の行動
ナビゲーションAI
地形や状況の解析（Luminous AI Navigation）

Luminous AI Tool
Luminous AI Runtime

▲ ▼

AI Graph Editorの実装 †

▲ ▼

ツール設計の課題 †

ビヘイビアツリーとステートマシンの組み合わせ方
グラフ構造の為のノードと、処理の中身のノードを分離。
グラフの処理の中身と、グラフ構造を分ける
こうすると、処理の中身をビヘイビア、ステートマシン両方で組み合わせることが出来る。
ステートマシン、ビヘイビアツリーを入れ子にする事が出来る。

AI データの拡張性
機能追加がスムーズに行えるか。組み合わせ爆発を無くしたい。
階層型のグラフシステムに。
- トレイ（タスクの集合、アセット）単位で階層化する。
  行動パターンを増やす際は、下層部分を増やすだけでいい。処理のフローは上層で遷移している。

ゲーム側とのスムーズな情報のやり取り
ブラックボード
ローカルブラックボード
自身のAIのみ
グローバルブラックボード
プレイヤー等全体

コピー＆ペーストをせずに量産するか
- トレイをアセット化して、処理を共有できるように
- オーバーライドして処理を上書きできるように
  特定のキャラだけ、処理の中身を書き換える事が出来る。

▲ ▼

ゲーム組み込みの要件 †

ステートやビヘイビアの状況、パラメーターやログが確認できるように
- ビジュアルノードデバッガ
  ツリーで現在のタスクの場所を見れる
- インゲームデバッガ
  ログや階層状態など、詳細を見れる
AIキャラクターをシームレスでイベント演出を
トレイを外部システムから実行出来るように。
トレイを割り込み再生できる。
賢いAI。行動している最中に別の行動、常に別の事を考えさせたい
ステートマシンでもビヘイビアツリーでも並列実行できるように
Parallelノードを用意。階層ごとにも配置出来る。
同時実行「索敵と行動」＋「移動と射撃」

▲ ▼

ゲーム内への応用実例 †

▲ ▼

NPC †

社会的な行動（生活活動）
多くを同時に
社会行動に特化した軽量スクリプトシステムを用意。
トレイを外部実行で。

▲ ▼

仲間 †

イベント演出の時も並列思考、通常AIを止めたくない
通常AIの中に演出用のプリセットAIを埋め込んでおいて、外部からのメッセージで切り替えるように。
仲間同士で強調させたい
メタAIからの支持で行動を切り替える。
ex.) アイテム使用命令 -> メタAIに -> 使用できる環境になれば（攻撃モーション中などは使用出来ない）メタAIからアイテム使用指示。
ex.) 敵が「捨て身」を使用 -> メタAIが判断して行動できる仲間に -> 仲間が再優先でヘルプに入る

▲ ▼

ニフル兵 †

機械的な合理性
- 今何が出来るのか
- 何が一番合理的か
  ビヘイビアツリー
- 身体制御との連動
  AIからアニメーションを再生ではなく、身体制御のステートマシンを介してアニメーションとやりとりする
  AIからメッセージが来たらステートを切り替える

▲ ▼

モンスター †

リアルな挙動
- 視覚センサー、ターゲットサーチ
  - 視覚センサー
    AIの視覚をシミュレート。扇状。
  - ターゲットサーチ
    視覚センサーから得られた情報を解析
    AI Graphでターゲットを使用する。

PQS移動、ステアリング
- 位置検索システム（Point Query System）
  移動先地点を選択して移動する。各地点の評価値を出す。（1m単位？）
  移動処理をデータで完結。
  フィルター。角度、距離を設定する。
- ステアリング
  動的な回避。
  ロボット方面で有るRVOを発展させた。

大量生産の仕組み
- ルールAIシステム
  条件判定でマッチしたルールを実行。
  AI Graph基本ロジック実行 -> ルールAI実行 -> 行動テンプレート実行
  ex.)「たたかう」 -> 「接近して攻撃」が抽選 -> 「接近移動」する行動テンプレート
- AI Graphオーバーライド
  ベースAIを作成、ゴブリンとかベヒーモスでオーバーライドする。
  C++のクラス継承と同じようなもの。
- モーション解析
  - 攻撃モーション解析システム
    どこまで攻撃が届くか、を計算。
    これをAI Graph等で使用している。
    空間にコリジョン球（数cm単位？）を配置して、それで計算
  - 移動モーションの解析システム
    キャラクター0の旋回性能、停止性能等をチャート化。停止までに掛かった距離、旋回半径等。
    チャートから問題のあるアニメーションデータを見つけて修正する

次世代機で開発規模が大きくなってきた。
コストが増大していくのでAIはクオリティと共に効率化に力を入れている。