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

    • 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