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.)
  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
    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
  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            |

    　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 
   
 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
▲ ▼

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 †
  1. 必要な概念リストを作成
  2. 種類分け
  3. 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。
    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