デジタルゲームにおけるマルチエージェント操作技術
•
0 gostou•484 visualizações
デジタルゲームにおけるマルチエージェント操作技術 東京大学講演、2020.10.14
Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (20)
Semelhante a デジタルゲームにおけるマルチエージェント操作技術
Semelhante a デジタルゲームにおけるマルチエージェント操作技術 (20)
Mais de Youichiro Miyake
Mais de Youichiro Miyake (20)
デジタルゲームにおけるマルチエージェント操作技術
- 3. Deep Mind: Capture the flag • Deep Mind社が行っている「旗取りゲーム」のプラットフォーム • 現在は人間よりも圧倒的に強くなってしまった • 人間が見つけた戦略を、ＡＩがみつけている • Quake III のエンジンを使用 • マップは自動生成 Deep Mind: Capture the Flag: the emergence of complex cooperative agents https://deepmind.com/blog/article/capture-the-flag-science
- 4. • https://deepmind.com/blog /capture-the-flag/ • Multi agnet learning Deep Mind: Capture the Flag: the emergence of complex cooperative agents https://deepmind.com/blog/article/capture-the-flag-science Deep Mind: Capture the flag
- 5. Two Agent Cooperation by DeepMind Deep Mind: Capture the Flag: the emergence of complex cooperative agents https://deepmind.com/blog/article/capture-the-flag-science
- 6. Deep Mind: Capture the flag Deep Mind: Capture the Flag: the emergence of complex cooperative agents https://deepmind.com/blog/article/capture-the-flag-science
- 7. 「MineCraft」を利用する学習 • MineCraftは、プレイヤーキャラクターが行う行 動がとてもシンプル • 集める、組み合わせる、組み立てる • 人工知能の基礎研究に適切 • ゲーム性がきつくない、というのが良い
- 8. facebook:「CraftAssist」 • マインクラフトでプレイヤーと共同作業可能なAIを実装するた めのオープンソースプラットフォーム https://gigazine.net/news/20190719-craftassist- collaborative-ai-minecraft/ • テキスト会話によって、エージェント（キャラクター）に意味 を解釈させる。「青い家を建てろ」など。 CraftAssist: A Framework for Dialogue-enabled Interactive Agents - Facebook Research https://research.fb.com/publications/craftassist-a-framework-for-dialogue-enabled-interactive-agents/ Open-sourcing CraftAssist, a platform for studying collaborative AI bots in Minecraft https://ai.facebook.com/blog/craftassist-platform-for-collaborative-minecraft-bots/
- 9. カーネギーメロン大学「MineRL」 • カーネギーメロン大学が NeurIPSで主催するマインクラフトを題材にした 強化学習コンテストのフレームワーク • https://ai-scholar.tech/articles/treatise/minerl-ai-353 • https://minerl.io/competition/ • https://www.aicrowd.com/challenges/neurips-2020-minerl-competition 論文 • https://arxiv.org/pdf/1907.13440.pdf • https://arxiv.org/abs/1904.10079 • https://www.microsoft.com/en-us/research/project/project-malmo/ • https://minerl.io/docs/ • https://slideslive.at/38922880/the-minerl-competition?ref=search
- 10. MineRL: A Large-Scale Dataset of Minecraft Demonstrations https://arxiv.org/pdf/1907.13440.pdf
- 11. MineRL: A Large-Scale Dataset of Minecraft Demonstrations https://arxiv.org/pdf/1907.13440.pdf
- 12. Microsoft：Malmo • エージェントを学習させる環境を提供 • https://www.microsoft.com/en-us/research/project/project-malmo/ • https://blogs.microsoft.com/ai/project-malmo-using-minecraft-build- intelligent-technology/ • チュートリアル • https://techcommunity.microsoft.com/t5/azure-ai/introducing- reinforcement-learning-on-azure-machine-learning/ba-p/1403028
- 13. オープンソースな商業ゲーム • 無料で241種類ものPCゲームのソースコードを見ることができる「Game Source Code Collection」 • https://gigazine.net/news/20190727-game-source-code-colection/ • Open Source Game Clones - オープンソースのクローンゲームのリンク集 • https://www.softantenna.com/wp/webservice/open-source-game-clones/ • https://www.moongift.jp/tag/%E3%82%B2%E3%83%BC%E3%83%A0
- 14. 3Dエンジンの歴史 • 『DOOM』シリーズ（1993～・id Software/米国）を開 発してきたid Software社が、なんとオープンソース にして、全部ソースコードをインターネットで公開し てしまったのですね。すると、米国の開発者はみ んなでソースコードを読み漁り、それぞれが思い 思いのFPSを作り始めました。 • https://news.denfaminicogamer.jp/interview/game ai_miyake/2
- 15. VizDoom • Doom は最古の3Dゲームで大ヒットゲーム • Doom の画面ビジュアル情報を提供するプラットフォーム • ビジュアルからゲームを学習するAIを育てる http://vizdoom.cs.put.edu.pl/
- 16. Microsoft: TextWorld • マイクロソフトが構築したテキストアドベンチャーの学習環境 • 50ほどのテキストアドベンチャーを内包している • TextWorld: A Learning Environment for Text-based Games • https://arxiv.org/abs/1806.11532 • • TextWorld: A learning environment for training reinforcement learning agents, inspired by text-based games • https://www.microsoft.com/en-us/research/blog/textworld-a-learning- environment-for-training-reinforcement-learning-agents-inspired-by-text- based-games/ • • Getting Started with TextWorld • https://www.youtube.com/watch?v=WVIIigrPUJs
- 17. Microsoft: TextWorld TextWorld: A Learning Environment for Text-based Games https://arxiv.org/abs/1806.11532
- 18. 三宅：TRPGとメタAI • 三宅の研究プロジェクト • メタAI＝ゲームマスター（TRPG） • しかしアクションゲームでは、ゲームの調整とセットアップまで • 物語を作り出すメタAIへ向けて研究を進めたい • ゲームマスターの機能をヒアリングから聞き出す • メタAIの要件としてそれをまとめる。 • 段階的に簡単なものから難しいものまでランク分けする • 簡単なものから実現して行く
- 24. シミュレー ション これからの人工知能のフレームワーク 現実 機械学習 （ディープ ラーニン グ） この２つの技術の結びつきが、現実においても、仮想 空間においても、これからの協力な技術コアとなる。
- 25. 第０章 ゲームAI入門
- 28. AI =無意識 意識 ファンネル
- 33. ゲームAIの基本知識
- 35. フィールド ナビゲーション AI メタAI キャラクター AI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る 自律的な判断 仲間同士の協調 時にチームＡＩとなる メタAI, キャラクターAIの為に レベルの認識のためのデータを準備 オブジェクト表現を管理 ナビゲーション・データの管理 パス検索 / 位置解析 Support 敵キャラクタ－プレイヤー 頭脳として機能 情報獲得 コントロール ３つのＡＩの連携の例
- 36. FC SFC SS, PS PS2,GC,Xbox Xbox360, PS3, Wii DC （次世代）Hardware 時間軸20051999 ゲームの進化と人工知能 複雑な世界の 複雑なＡＩ ゲームも世界も、ＡＩの身体と内面もますます複雑になる。 単純な世界の シンプルなＡＩ （スペースインベーダー、タイトー、1978年） （アサシンクリード、ゲームロフト、2007年）
- 39. ３Ｄゲームの中のＡＩ Halo （ＨＡＬＯ、バンジー、2001年） デバッグ画面 The Illusion of Intelligence - Bungie.net Downloads http://downloads.bungie.net/presentations/gdc02_jaime_griesemer.ppt
- 42. サブサンプション・アーキテクチャ（ロドニー・ブルックス） INPUT OUTPUT 時間 情報抽象度 反射的に行動 少し場合ごとに対応 抽象的に思考 理論的に考える 言語化のプロセス = 自意識の構築化 Subsumpution Architecture 運動の実現のプロセス = 身体運動の生成
- 47. 環境 意識 前意識 無意識 （言語の網） 意識 前意識 無意識 （プログラム 言語の網） 外部から の情報 人工知能（ネットワークA） 人工知能（ネットワークB） 外部からの 情報 物理的干渉 他者の構成プロセス身体 身体 マスター スレーブ 意思決定層だけを コピーする
- 48. 環境 意識 前意識 無意識 （言語の網） 意識 前意識 無意識 （プログラム 言語の網） 外部から の情報 人工知能（ネットワークA） 人工知能（ネットワークB） 外部からの 情報 物理的干渉 他者の構成プロセス身体 身体 マスター スレーブ 意思決定層だけを コピーする あとは物理世界に 任せる
- 49. Networking Gameplay and AI in Assassin's Creed Unity Charles Lefebvre, Ubisoft, GDC2015 https://www.gdcvault.com/play/1022168/Networking-Gameplay-and-AI-in
- 51. Networking Gameplay and AI in Assassin's Creed Unity Charles Lefebvre, Ubisoft, GDC2015 https://www.gdcvault.com/play/1022168/Networking-Gameplay-and-AI-in
- 52. Networking Gameplay and AI in Assassin's Creed Unity Charles Lefebvre, Ubisoft, GDC2015 https://www.gdcvault.com/play/1022168/Networking-Gameplay-and-AI-in
- 53. Networking Gameplay and AI in Assassin's Creed Unity Charles Lefebvre, Ubisoft, GDC2015 https://www.gdcvault.com/play/1022168/Networking-Gameplay-and-AI-in
- 54. Networking Gameplay and AI in Assassin's Creed Unity Charles Lefebvre, Ubisoft, GDC2015 https://www.gdcvault.com/play/1022168/Networking-Gameplay-and-AI-in
- 58. ファイアーエムブレム 風花雪月 紹介映像 https://www.youtube.com/watch?v=9ZqLpzlaiyo&feature=emb_logo 2:03- • https://www.nicovideo.jp/watch/sm22579107
- 60. 全キャラクターAI操作型 • AIがすべて操作してくれる • 最近では「放置ゲーム」とも呼ばれる（携帯ゲーム） • オートバトル （例）ドラゴンクエストシリーズのⅣ以降「さくせん」 『世紀末デイズ』オートプレイ
- 66. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 プレイヤ― キャラクター （Player Character） ノンプレイヤ― キャラクター （Non-Player Character）
- 67. 人とAIのハイブリッド PCNPC NPC NPC AI AI AI ユーザーがNPCと協調
- 68. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調
- 69. 第３章 ユーザーがNPCに命令
- 70. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調 目的地と目標を与える
- 71. 第3章 _１ スタークラフト
- 73. AIIDE-11 Invited Talk Evolution of RTS AI Bob Fitch, Blizzard Entertainment https://movingai.com/aiide11/speakers.html https://aaai.org/Conferences/AIIDE/2011/aiide11speakers.php
- 74. Visible Evolution Actions Per Minute Queens vs. Tanks “Queens versus Tanks” 問題はプレイヤーが無制限 にAPMチーティングのリミッ トを呼ぶことができる理由を 教えてくれる。Blood War に おけるAIのように、ヒューマ ンは直接10以上のダメージ スペルを与えることができな い。 AIIDE-11 Invited Talk Evolution of RTS AI Bob Fitch, Blizzard Entertainment https://movingai.com/aiide11/speakers.html https://aaai.org/Conferences/AIIDE/2011/aiide11speakers.php
- 75. Units would stream into enemy defenses Visible Evolution Pathing v.1 AIIDE-11 Invited Talk Evolution of RTS AI Bob Fitch, Blizzard Entertainment https://movingai.com/aiide11/speakers.html https://aaai.org/Conferences/AIIDE/2011/aiide11speakers.php
- 76. Pathing こういったゾーンはロード時 間の中でダイナミックに生成 されます。AIはこのゾーンの 情報をいろんな方法で使用 することができます。パスを 見つけるのもその一つです。 AIIDE-11 Invited Talk Evolution of RTS AI Bob Fitch, Blizzard Entertainment https://movingai.com/aiide11/speakers.html https://aaai.org/Conferences/AIIDE/2011/aiide11speakers.php
- 77. Visible Evolution Pathing v.2 AIの動くユニット群は一つの EPエリアから他のエリアに 派遣されます。 AIIDE-11 Invited Talk Evolution of RTS AI Bob Fitch, Blizzard Entertainment https://movingai.com/aiide11/speakers.html https://aaai.org/Conferences/AIIDE/2011/aiide11speakers.php
- 78. Visible Evolution Pathing v.2 もしゾーンが十分に大きくて、 敵のディフェンスが来る場合 は、ユニットは一つのゾーン から他のゾーンに行くパス で止まることがあります。 AIIDE-11 Invited Talk Evolution of RTS AI Bob Fitch, Blizzard Entertainment https://movingai.com/aiide11/speakers.html https://aaai.org/Conferences/AIIDE/2011/aiide11speakers.php
- 79. Visible Evolution Pathing v.3 これはフォーメーションをま とめ流れてしまうことを防ぎ ます。 スタークラフト２では、複数 のフォーメーションを持って いる。もし、もう一度フォー メーションを取らなければ、 ストリーミングする。 AIIDE-11 Invited Talk Evolution of RTS AI Bob Fitch, Blizzard Entertainment https://movingai.com/aiide11/speakers.html https://aaai.org/Conferences/AIIDE/2011/aiide11speakers.php
- 80. eSportsとゲームAI • eSprotsで人気になる • 人類最強のプレイヤー或いはチームが登場 • AIと戦わせてAIの性能を知りたい
- 81. 日本におけるゲームセンターの対戦文化の流れ（1980年代～） アメリカを中心とするFPS対戦の流れ（2000年前後～） 韓国におけるeスポーツ文化の流れ（1997年～） 世界的なMOBAスタイルの チーム対戦の流れ（2010年～） 1985 1990 1995 2007 ⅬＡＮ ゲームセンターの 対戦台 インターネット 高速インターネット・動画配信 実際の現場でギャラリー観戦 テレビなどで観戦 インターネットで観戦 ゲーム聴衆 の誕生
- 82. Dota2 eSportsで大人気 OpenAI Five: Dota Gameplay https://www.youtube.com/watch?v=UZHTNBMAfAA 解説：『Dota 2』における人間側のチャンピオンチームとAIチームの戦い
- 83. Dota2 eSportsで大人気 OpenAI Five: Dota Gameplay https://www.youtube.com/watch?v=UZHTNBMAfAA 解説：『Dota 2』における人間側のチャンピオンチームとAIチームの戦い https://alienwarezone.jp/post/2316
- 84. 人間とAIの戦い
- 85. Dota2 eSportsで大人気 • https://www.gamespark.jp/article/2014/03/14/47039.html • https://www.theverge.com/2018/8/6/17655086/dota2- openai-bots-professional-gaming-ai StarCraft as eSports • https://www.youtube.com/watch?v=-AWDfDXsdh4
- 86. OpenAI • AI開発をオープンで進めるためのNPO https://openai.com https://qiita.com/ishizakiiii/items/75bc2176a1e0b65bdd16 • OpenAI Gym ＝フレームワークを提供 https://github.com/openai/gym
- 87. 最近の動向 • OpenAI Five: Dota Gameplay • https://www.youtube.com/watch?v=UZHTNBMAfAA • 解説：『Dota 2』における人間側のチャンピオンチームとAIチームの戦い • またAlphaGOなどで人間のプロに囲碁で勝利したAIを作り出しDeepMind社は、 『StarCraft 2』でプロプレイヤーと対戦し勝利しました。そこでも、人間が考えるような戦 略を取ることが重要な点でした。 • それぞれのゲームに特化した人工知能とはいえ、戦術的・戦略的な次元の思考を身 に着けた人工知能が、人類の意思決定に介入する日も遠くありません。 • DeepMind StarCraft II Demonstration • https://www.youtube.com/watch?v=cUTMhmVh1qs • 解説：『StarCraft 2』における人間側のチャンピオンチームとAIチームの戦い
- 88. OpenAI Five • Dota２を12000コアで学習。180年分？ • https://gigazine.net/news/20180719-openai-five- benchmark/ • https://blog.openai.com/openai-five-benchmark/ • https://www.youtube.com/watch?time_continue=6&v=UZHT NBMAfAA • https://www.youtube.com/watch?v=TChVnGHUxOw
- 89. 第3章 _2 さかつくDS
- 90. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調 フォーメーションと状況 を与える
- 92. 第3章 _3 The Sims
- 93. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調 物を与える
- 94. The Sims シリーズのＡＩの作り方 人をダイナミクス（力学系、動的な数値の仕組み ）として動かす。 世界を動かす PeerAI(=キャラクターＡＩ) を構築。 Sub Peer Meta Meta Peer Sub [原則] 周囲の対象に対する、あらゆる可能な行動から、 ムード（幸せ） 係数を最大化する行動を選択する。 Sims (not under direct player control) choose what to do by selecting, from all of the possible behaviors in all of the objects, the behavior that maximizes their current happiness. Will Wright, AI: A Design Perspective (AIIDE 2005) http://www.aaai.org/Papers/AIIDE/2005/AIIDE05-041.ppt Kenneth Forbus, Will Wright, “Some notes on programming objects in The Sims – Example” http://www.qrg.cs.northwestern.edu/papers/Files/Programming_Objects_in_The_Sims.pdf
- 95. The Sims シリーズのＡＩの作り方 人をダイナミクス（力学系、動的な数値の仕組み ）として動かす。 世界を動かす PeerAI(=キャラクターＡＩ) を構築。 Sub Peer Meta Meta Peer Sub [原則] 周囲の対象に対する、あらゆる可能な行動から、 ムード（幸せ） 係数を最大化する行動を選択する。 Sims (not under direct player control) choose what to do by selecting, from all of the possible behaviors in all of the objects, the behavior that maximizes their current happiness.
- 96. オブジェクトに仕込むデータ構造 Data (Class, Sate) Graphics (sprites, z- buffers)Animations (skeletal) Sound Effects Code (Edith) -Main (object thread) -External 1 -External 2 -External 3 パラメーター グラフィックス アニメーション サウンド メインスレッド いろいろなインタラクションの仕方 Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern大学、講義資料) ※IEで見てください。 http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm Kenneth Forbus, Will Wright, “Some notes on programming objects in The Sims – Example” http://www.qrg.cs.northwestern.edu/papers/Files/Programming_Objects_in_The_Sims.pdf
- 97. The Sims における「モチーフ・エンジン」 Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern University) http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm Data - Needs - Personality - Skills - Relationships Sloppy - Neat Shy - Outgoing Serious - Playful Lazy - Active Mean - Nice Physical - Hunger - Comfort - Hygiene - Bladder Mental - Energy - Fun - Social - Room Motive Engine Cooking Mechanical Logic Body Etc. AIの人格モデル
- 98. 最適（＝最大効用）な行動を選択する Hunger +20 Comfort -12 Hygiene -30 Bladder -75 Energy +80 Fun +40 Social +10 Room - 60 Mood +18 Toilet - Urinate (+40 Bladder) - Clean (+30 Room) - Unclog (+40 Room) Mood +26 Bathtub - Take Bath (+40 Hygiene) (+30 Comfort) - Clean (+20 Room) Mood +20 [原則] 周囲の対象に対する、あらゆる可能な行動から、 総合的な効用 （＝Mood） を最大化する行動を選択する。
- 99. ムードの計算方法と各パラメーターのウェイトグラフ Mood = W_Hunger(X_Hunger) * X_Hunger + W_Engergy(X_Energy) * X_Energy + … -100 0 100 -100 0 100 -100 0 100 -100 0 100 -100 0 100 -100 0 100 -100 0 100 -100 0 100 W_Hunger W_Energy W_Comfort W_Fun W_Hygiene W_Social W_Bladder W_Room
- 100. 効用(Utility)の計算の仕方 W_Hunger X_Hunger W_Hunger(-80) -80 60 W_Hunger(60) Hunger degree at -80 ＝ W_Hunger(-80)*(-80) Hunger degree at 60 ＝ W_Hunger(60)*(60) Δ ＝ W_Hunger(60)*(60) - W_Hunger(-80)*(-80) Utility for hunger
- 101. 限界効用逓減の法則 X_Hunger W_Hunger(-80) -80 60 W_Hunger(60) Δ（-80 → 60）＝W_Hunger(60)*(60) - W_Hunger(-80)*(-80) Δ (60→90） ＝W_Hunger(90)*(90) - W_Hunger(60)*(60) 90 W_Hunger(90) Δ（-80 → 60） is much larger than Δ(60→90） ある程度満たされたものを満たすより、 満たされないものをある程度満たす方が大きな満足をもたらす Utility for hunger ビールは一杯目が一番おいしい
- 102. The Sims のＡＩの原理 三宅陽一郎、「Spore におけるゲームＡＩ技術とプロシージャル」 （DiGRA Japan 第１４回 月例研究 http://digrajapan.org/?wpdmact=process&did=Ni5ob3RsaW5r Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern大学、講義資料) http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm Richard Evans, Modeling Individual Personalities in The Sims 3, GDC 2010 http://www.gdcvault.com/play/1012450/Modeling-Individual-Personalities-in-The
- 103. The Sims 3 では、多くのムードや欲求が準備される。 行動 対象 GDC09 資料 http://www.gdcvault.com/play/1452/(307)-Breaking-the-Cookie-Cutter
- 104. 物と欲求の相互作用マップ マップから満たしたい動機パラメーターに関係した インラクションだけをピックアップできる 動機 パラメーター インタラク ション Richard Evans, Modeling Individual Personalities in The Sims 3, GDC 2010 http://www.gdcvault.com/play/1012450/Modeling-Individual-Personalities-in-The GDC09 資料 http://www.gdcvault.com/play/1452/(307)-Breaking-the-Cookie-Cutter
- 105. Mood を最大化 冷蔵庫が最も総合的にMoodを上昇させるから Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern大学、講義資料) http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm
- 106. 冷蔵庫へ行きます。 Mood を最大化 Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern大学、講義資料) http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm
- 107. Mood を最大化 お腹が膨れたので、ちょっと退屈だから、女の子と話します。 Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern大学、講義資料) http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm
- 108. 第3章 _4 アイルー村
- 109. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調 提案される行動を選ぶ
- 111. 第3章 _5 黒板モデル
- 112. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調 提案から決定を与える
- 116. 集団の協調 1 2 3 4 5 KS Ａ Ｂ Ｃ Enemy B Slot 2 Enemy C Slot 1 Enemy A Slot 2 Enemy B Slot 1 Enemy C Slot 2 http://piposozai.blog76.fc2.com/
- 117. 1 2 3 4 5 KS Ａ Ｂ Ｃ Enemy B Slot 2 Enemy C Slot 1 Enemy A Slot 2 Enemy B Slot 1 Enemy A Slot 2 Entry Reject! 集団の協調 http://piposozai.blog76.fc2.com/
- 118. 1 2 3 4 5 KS Ａ Ｂ Ｃ Enemy B Slot 2 Enemy C Slot 1 Enemy A Slot 2 Enemy B Slot 1 Enemy A Slot 2 集団の協調 http://piposozai.blog76.fc2.com/
- 119. 第3章 _6 シムシティ
- 120. 人とAIのハイブリッド PC NPC システム NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調 場所に建物を置く
- 121. 各層、各要素間の関係 第一層 道路や鉄道、要素の大きさ要 素間の関係をシミュレーション 第二層 「人口密度」「交通渋滞」「環境 汚染度」「ランドバリュー」「犯 罪発生率」をシミュレーション 第三層 地形の影響をシミュレーション 第四層 「人口増加率」「消防署」「警察 署」「消防署の影響」「警察署 の影響」をシミュレーション 犯罪発生率 = 人口密度^2 – ランドバリュー – 警察署の影響 ランドバリュー = Distance[Zonetype] + 地形 + 輸送 “AI: A Desing Perspective” AIIDE 2005 http://www.aiide.org/aiide2005/talks/index.html http://thesims.ea.com/us/will/ 多摩 豊,角川書店, 1990 「ウィル・ライトが明かすシムシティーのすべて」,
- 128. 多層構造 マップレイヤー…１マスｘ１マス （道路や鉄道の要素の大きさの）単位で要 素と要素の関係を計算している マップ上に置かれた要素同士の関係 （例） － 居住地域と発電所が送電線でつながっているか － もし繋がっていなければ居住地域は活動しない － 繋がっていれば人口増加が起きる
- 129. Influence Map(影響マップ) http://www.fdaw.unimaas.nl/education/4.5GAI/slides/Influence%20Maps.ppt 0,2 0,4 0,6 0,4 0,2 0,0 0,4 0,6 0,8 0,6 0,4 0,2 0,6 0,8 1,0 0,8 0,6 0,4 0,4 0,6 0,8 0,6 0,4 0,2 0,2 0,4 0,6 0,4 0,2 0,0 0,0 0,2 0,4 0,2 0,0 0,0 セル分割されたマップに、問題とする性質の評価値を 記録して行く方法 （例）①占有度
- 130. Influence Map(影響マップ) http://www.fdaw.unimaas.nl/education/4.5GAI/slides/Influence%20Maps.ppt 0,2 0,4 0,6 0,4 0,2 0,0 0,4 0,6 0,8 0,6 0,4 0,2 0,6 0,8 1,0 0,8 0,6 0,4 0,4 0,6 0,8 0,6 0,4 0,2 0,2 0,4 0,6 0,4 0,2 0,0 0,0 0,2 0,4 0,2 0,0 0,0 （例）様々なIMから計算して戦略的な位置取りを計算する 0,50 0,75 0,75 1,00 0,75 0,50 0,75 1,00 1,00 1,00 0,75 0,50 0,75 1,00 0,75 0,75 0,50 0,25 0,75 1,00 0,75 0,50 0,25 0,00 0,75 1,00 0,75 0,50 0,25 0,00 0,75 1,00 0,75 0,50 0,25 0,00 4 6 8 8 8 8 6 4 2 0 -1 -2 -4 -4 -4 -2 4 6 8 8 8 8 4 2 1 0 -2 -4 -4 -2 4 6 8 8 8 6 3 1 0 -2 -4 -4 -4 -2 4 6 8 8 8 6 6 4 1 0 -2 -4 -4 -2 2 4 6 8 6 6 4 4 0 -1 -2 -4 -4 -4 -2 1 2 4 6 6 4 2 2 -4 -5 -3 -3 -4 -4 -2 -1 3 3 3 3 4 2 2 0 -4 -5 -5 -8 -8 -6 -4 -2 3 3 2 2 2 0 -2 -4 -8 -10 -10 -8 -4 -2 3 3 3 2 2 1 0 -4 -8 -10 -10 -8 -8 -4 -2 2 2 2 2 1 1 0 -3 -8 -10 -10 -8 -8 -4 -2 1 1 1 1 0 0 -2 -4 -8 -8 -8 -8 -8 -8 -8 -8 0 0 0 0 0 -1 -1 -2 -5 -6 -6 -6 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -4 -4 -4 -6 -8 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1
- 131. 多層構造 マップレイヤー…１マスｘ１マス （道路や鉄道の要素の大きさの）単位で要 素と要素の関係を計算している マップ上に置かれた要素同士の関係 （例） － 居住地域と発電所が送電線でつながっているか － もし繋がっていなければ居住地域は活動しない － 繋がっていれば人口増加が起きる
- 133. 多層構造 ２マスｘ２マスを単位とするレイヤー 人口密度、交通渋滞、環境汚染度、 ランドバリュー、犯罪発生率、それぞれの 数値だけを計算 人口密度 環境汚染度 ランドバリュー ランドバリュー 犯罪発生率
- 138. 第3章 _7 クロムハウンズ
- 139. 人とAIのハイブリッド PC NPC システム NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調 ゴールを与える
- 140. ゴールはより小さなゴールから組み立てられる Goal Goal Goal Goal Goal Goal Goal Goal Goal
- 145. チームAIの構造 チームAI 意志決定機構 チームとしての戦略 （＝勝利条件と同じ） ４つの戦略を持ち、ゲーム全体の状況を反映する 評価関数によって、一つの戦略を決定する。 (評価関数による意思決定 = 個体の意志決定と同じ方法) 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 146. チームAIの構造 ＝ ゴール指向型の拡張 チームAI 意志決定機構 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 本拠地 破壊 本拠地 破壊 敵本拠 地破壊 本拠地 破壊 一つのチーム戦略は、 各機体への命令からなるCOM 1 COM 2 COM 3 本拠地 破壊 本拠地 破壊 本拠地 破壊 プランニング COMのゴール指向プランニングの上に、チームAIを積み上げる
- 147. チームAI の意思決定と COMの判断を 比較して、最終的に決定する チームAI 意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 実行評価値 :７６ 実行評価値 ：８８ × チームAIとCOMの ゴールの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 148. チームAI の意思決定と COMの判断を 比較して、最終的に決定する チームAI 意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 実行評価値 : ６４ 実行評価値 : ５３ × COMが二つの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 149. チームAI の意思決定と COMの判断を 比較して、最終的に決定する チームAI 意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 ７６ ８８ × COMが二つの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊 チームの判断、 個としての判断を 競合させて知的な柔軟性を 保持する
- 150. チームＡＩの介入の仕方 1.0 0.0 前半 （５分、或いは、 戦場で一機が 撃墜されるま で） 中盤 （前半終了から５ 分） 後半 （中盤終了から５ 分） comp_idv comp_team 前半はチームＡＩより個としてのＡＩの判断を優先、 後半はチームＡＩの判断を優勢にしたい。 比較のためのチームＡＩゴール評価値 ＝ ゴール評価値 ｘ comp_team 比較のためのCOM ＡＩゴール評価値 ＝ ゴール評価値 ｘ comp_idv COM優勢 COM、チーム競合 チーム優勢 チームＡＩを用いてゲームメーキングを行う 1.2
- 151. 第3章 _8 Company of Heroes
- 152. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調 ユーザーが行動する
- 153. 『Company of Heroes』における チームフォーメーション Company of Heroes Squad Formations Explained Chris Jurney (Kaos Studios) AI Game Programming Wisdom 4, 2008
- 156. 第４章 NPCが自動的にPCに追従
- 157. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調 ルールに沿って行動する
- 158. 第4章 _1 Dragon Age
- 159. Dragon Age OriginsのTactics 機能 • NPCたちの思考をカスタマイズできる https://www.youtube.com/watch?v=sM4cFwGQBno
- 161. AI in feature film animation: how crowds artists use AI techniques at Pixar Authors: Paul Kanyuk, Stephen Gustafson, SA '15: SIGGRAPH Asia 2015 CoursesNovember 2015 Article No.: 2 Pages https://doi.org/10.1145/2818143.2818170
- 162. 第4章 _3 群衆AI
- 165. 群れ制御
- 170. オリジナル
- 171. オリジナル
- 175. 商店 家 飲み屋 店に並ぶキャラクター列店員のキャラクター 並ぶキャラクターが エントリーするブラックボード エントリー 帰宅 帰宅商店 飲み屋移動 移動 移動 店員のキャラクターの一日のスケジュール 8:30 9:00 18:00 18:30 20:00 20:30 24:000:00 スロット オリジナル
- 176. オリジナル
- 177. Hitman Absolution : AI Crowd https://www.youtube.com/watch?v=hNcyjtYyLWo
- 178. 第5章 ユーザーがNPCと協調
- 179. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調
- 180. 第5章 _1 ビヘイビアツリー
- 184. Behavior Tree Architecture of Spec Ops: The Line Vienna Game/AI Conference 2012 Behavior Workshop Behavior Tree Architecture of Spec Ops: The Line Vienna Game/AI Conference 2012 Behavior Workshop
- 185. Behavior Trees in SOTL • Loops Loops keep triggering their child until a certain condition is met. • Decorators Decorators are active as long as their child is running. Keep pushing the child Apply effect/buff Behavior Tree Architecture of Spec Ops: The Line Vienna Game/AI Conference 2012 Behavior Workshop
- 186. Behavior Trees in SOTL • Events and impulses Events can also be blocked in a branch. Jump here Do not react to any following need for cover Do this Behavior Tree Architecture of Spec Ops: The Line Vienna Game/AI Conference 2012 Behavior Workshop
- 187. 第5章 _2 Halo2 Orders & Styles
- 188. Halo2: Orders & Styles Order Initial If killed X enemies If X dead Order fallback Style A Style C Order push forward Style B まず、マップを３つの領域に区別する。 「それぞれの領域＝戦術ポイント・グループ」として定義する。 Handling Complexity in the Halo 2 AI, D. Isla, GDC 2005 http://naimadgames.com/publications.html
- 189. Halo2: Orders & Styles Handling Complexity in the Halo 2 AI, D. Isla, GDC 2005 http://naimadgames.com/publications.html
- 190. Halo2: Orders & Styles Order Initial If killed X enemies If X dead Order fallback Style A Style C Order push forward Style B 次にそれぞれの領域にビヘイビア・ツリーを割り当てる。 これが、その領域でAIが取る意思決定モジュールとなる。 Handling Complexity in the Halo 2 AI, D. Isla, GDC 2005 http://naimadgames.com/publications.html
- 191. Halo2: Orders & Styles Order Initial If killed X enemies If X dead Order fallback Style A Style C Order push forward Style B Handling Complexity in the Halo 2 AI, D. Isla, GDC 2005 http://naimadgames.com/publications.html こういうチェックボックスのツールで マスターのビヘイビアツリーをカスタマイズする。 それぞれの領域に割り当てられたビヘイビアツリーを 「スタイル」と言う。 Handling Complexity in the Halo 2 AI, D. Isla, GDC 2005 http://naimadgames.com/publications.html
- 192. 第5章 _3 階層型タスクネットワーク
- 193. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調 タスクを与える
- 195. メソッド （＝タスクの分解の仕方） 袋入 れる ブランチ 全色集める ブランチ 赤と青を集める ブランチ 赤と緑を集める 青拾う 赤拾う 緑拾う 袋入 れる 緑拾う 緑拾う 袋入 れる 赤拾う 青拾う 赤拾う青拾う 順序なしタスク 全順序タスク 局所的順序タスク 全色広場にある 広場には赤と緑の宝石がある 赤と青の宝石がある 原初タスク 回復薬を作る （タスク） 前提条件
- 198. 袋入 れる 回復薬を届ける （ドメイン） ブランチ 全色集める ブランチ 赤と青を集める ブランチ 赤と緑を集める 青拾う 赤拾う 緑拾う 袋入 れる 緑拾う 緑拾う 袋入 れる 赤拾う 青拾う 赤拾う青拾う 順序なしタスク 全順序タスク 局所的順序タスク 全色広場にある 広場には赤と緑の宝石がある 赤と青の宝石がある 原初タスク 回復薬を作る （タスク）
- 200. Killzone 2 のAI Based on: Alex Champandard, Tim Verweij, Remco Straatman, "Killzone 2 Multiplayer Bots", http://files.aigamedev.com/coverage/GAIC09_Killzone2Bots_StraatmanChampandard.pdf 単純なタスクベースのシステムは機能するし、使われることも多い。しかし、 近年の複雑なゲームのＡＩではよりマルチな時間・空間スケールに対応する必要があり、 階層型タスクネットワーク（HTN, Hierarchical Task Network）が使用される。
- 201. Killzone 2 AI (マルチプレイヤーモード) (1) Killzone 2 のAI思考 (2) Killzone 2 のマップ自動解析 On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
- 205. Squad AI アーキテクチャ
- 207. 戦略グラフ
- 208. 戦略グラフを作りたい
- 211. 第5章 _4 ソーシャル・スペース
- 212. CCP における 協調配置システムの研究
- 214. Humanoid Agent in Social Game Environment (HASGE) Cladio Pedica - Spontaneous Avatar Behaviour for Social Territoriality Reykjavik University. http://www.ru.is/~hannes/publications/JAAI2010.pdf
- 215. HASGE Project (Reykjavik Univ, CCP) http://cadia.ru.is/wiki/public:socialgame:main
- 216. F-formation (Kendon, 1984) • 人と人が向い合うときに、形成する立ち位置。 Paul Marshall,Yvonne Rogers,Nadia Pantidi Using F-formations to analyse spatial patterns of interaction in physical environments http://mcs.open.ac.uk/pervasive/pdfs/MarshallCSCW2011.pdf
- 217. いろいろな F-formation パターン Paul Marshall,Yvonne Rogers,Nadia Pantidi Using F-formations to analyse spatial patterns of interaction in physical environments http://mcs.open.ac.uk/pervasive/pdfs/MarshallCSCW2011.pdf
- 218. いろいろな F-formation パターン Paul Marshall,Yvonne Rogers,Nadia Pantidi Using F-formations to analyse spatial patterns of interaction in physical environments http://mcs.open.ac.uk/pervasive/pdfs/MarshallCSCW2011.pdf
- 219. EVE ONLINE Cladio Pedica - Spontaneous Avatar Behaviour for Social Territoriality Reykjavik University. http://www.ru.is/~hannes/publications/JAAI2010.pdf
- 221. テリトリーとインフルエンス • テリトリー（Territory） … 個人を中心とする対人 距離。 • ビヘイビア・インフルエンス （behavioural influence） そのビヘイビアが人を引き込む範囲。 - Social place - Social situation
- 222. ソーシャル・ダイナミクス Social Dynamics = Social Behavior influence (社会的な振る舞いが) at Social place (社会的な場において) makes Social Situation （シチュエーションを作る）
- 223. 共有される場 （入ってはいけない！） 会話参加者の立つリング この円内に入ったものは、 会話参加者が目をやる・ この円内に入ったものは、 会話参加者がより注意深く見る。 F-formation Cladio Pedica - Spontaneous Avatar Behaviour for Social Territoriality Reykjavik University. http://www.ru.is/~hannes/publications/JAAI2010.pdf
- 224. 社会的ビヘイビアが 伝えられる距離 会話に参加していると 言える距離 ４人が形成するテリトリー F-formation Cladio Pedica - Spontaneous Avatar Behaviour for Social Territoriality Reykjavik University. http://www.ru.is/~hannes/publications/JAAI2010.pdf
- 225. Cladio Pedica - Spontaneous Avatar Behaviour for Social Territoriality Reykjavik University. http://www.ru.is/~hannes/publications/JAAI2010.pdf
- 226. Cladio Pedica - Spontaneous Avatar Behaviour for Social Territoriality Reykjavik University. http://www.ru.is/~hannes/publications/JAAI2010.pdf
- 227. Cladio Pedica - Spontaneous Avatar Behaviour for Social Territoriality Reykjavik University. http://www.ru.is/~hannes/publications/JAAI2010.pdf
- 228. 第5章 _5 カンフー・アルゴリズム
- 229. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PCNPC NPC NPC AI AI AI ユーザーがNPCと協調 場の力を利用する
- 232. ベルギアンAI（例） Attack Weight = 4 Stage Manager Grid Capacity = 5 … 五体まで入っていい。 Attack Capacity = 12 総和が12まで １２ RequestAssign モンスターから Stage Manager にリクエストして 条件に合えばアサインして、 一番近いスロットに スロットの占有権を与える。 モンスターは攻撃したら、 占有権を速やかに Stage Manager に返却する。
- 233. ベルギアンAI（例） Attack Weight = 4 Stage Manager Grid Capacity = 5 … 五体まで入っていい。 Attack Capacity = 12 総和が12まで ８
- 234. ベルギアンAI（例） Attack Weight = 4 Stage Manager Grid Capacity = 5 … 五体まで入っていい。 Attack Capacity = 12 総和が12まで ０
- 235. ベルギアンAI（例） Attack Weight = 4 Stage Manager Grid Capacity = 5 … 五体まで入っていい。 Attack Capacity = 12 総和が12まで ２ Attack Weight = 6
- 236. ベルギアンAI（例） Attack Weight = 4 Stage Manager Grid Capacity = 5 … 五体まで入っていい。 Attack Capacity = 12 総和が12まで ２ Attack Weight = 6
- 237. ベルギアンAI（例） Attack Weight = 4 Stage Manager Grid Capacity = 5 … 五体まで入っていい。 Attack Capacity = 12 総和が12まで ２ Attack Weight = 6 （通常攻撃） Attack Weight = 10 （特殊攻撃）
- 238. モンスターから Stage Manager にリクエストして 条件に合えばアサインして、 スロットの占有権を与える。 モンスターは攻撃したら、 占有権を速やかに Stage Manager に返却する。 Stage Manager
- 239. モンスターから Stage Manager にリクエストして 条件に合えばアサインして、 スロットの占有権を与える。 モンスターは攻撃したら、 占有権を速やかに Stage Manager に返却する。 Stage Manager
- 242. Reckoning におけるターゲットシステム GDC 2012 AI Postmortems: Kingdoms of Amalur: Reckoning, Darkness II and Skulls of the Shogun Michael Dawe, http://www.gdcvault.com/play/1015380/AI-Postmortems-Kingdoms-of-Amalur
- 243. Reckoning におけるターゲットシステム GDC 2012 AI Postmortems: Kingdoms of Amalur: Reckoning, Darkness II and Skulls of the Shogun Michael Dawe, http://www.gdcvault.com/play/1015380/AI-Postmortems-Kingdoms-of-Amalur
- 244. Reckoning におけるターゲットシステム GDC 2012 AI Postmortems: Kingdoms of Amalur: Reckoning, Darkness II and Skulls of the Shogun Michael Dawe, http://www.gdcvault.com/play/1015380/AI-Postmortems-Kingdoms-of-Amalur
- 245. 文化シミュレーション
- 246. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI NPCが自動的にPCに追従
- 247. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI NPCが自動的にPCに追従
- 249. Physical Informa tion Abstrac t Informa tion More Abstrac t Informa tion Abstraction Time Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World World Dynamics Artificial Intelligence Object Object image on the lowest layer (Umwelt) Object image on the second layer Object image on the third layer Decision-MakingObject image on the top layer Decision-Making 観念
- 253. 文化 個 個 個 個 個 個 個 個 個社会 文化＝個を外側から形成する力でもある
- 255. 人口（population）の中を、文化が信用 （Belief）によって伝播（Propagation）して行く A Testbed for Solving Optimization Problems Using Cultural Algorithms Chan-Jin Chung and Robert G. Reynolds https://pdfs.semanticscholar.org/0155/a88489555e1d28e4239eb2471e26eea7fa4b.pd f
- 256. 無限に広いダンジョン （例）ダンジョン 持ち帰った情報を共有して一つの地図 を作って行く 水場 ボスが出る 知識が蓄積された地図は文化と言える。 「ダンジョンに言って知識を持ち帰る」は文化となる。
- 257. 第６章 ゲーム開発者拡張
- 258. ゲーム開発の問題点 • ゲームのスケールが増加（大型ゲーム） オープンワールド • ゲームのアイテム数とサービス期間が増加（小型ゲーム） ソーシャルゲーム • ゲームを自律化する （メタAI、プロシージャル技術） • ゲーム開発者を拡張する（プロシージャル技術）
- 260. フィールド ナビゲーション AI メタAI キャラクター AI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る 自律的な判断 仲間同士の協調 時にチームＡＩとなる メタAI, キャラクターAIの為に レベルの認識のためのデータを準備 オブジェクト表現を管理 ナビゲーション・データの管理 パス検索 / 位置解析 Support 敵キャラクタ－プレイヤー 頭脳として機能 情報獲得 コントロール ３つのＡＩの連携の例
- 261. メタＡＩ
- 264. （例）「ゼビウス」（ナムコ、1983） 敵出現テーブル巻き戻し 敵0 敵１ 敵2 敵3 敵4 敵5 『あと面白い機能なんですけれど、 ゼビウスには非常に簡単なAIが組み込まれています。 「プレイヤーがどれくらいの腕か」というのを判断して、 出てくる敵が強くなるんです。 強いと思った相手には強い敵が出てきて、 弱いと思った相手には弱い敵が出てきます。 そういっ たプログラムが組み込まれています。 ゲームの難易度というのは「初心者には難しくて、上級者 には簡単だ」ということが、 ひとつの難易度で(調整を)やっていくと起きてしまうので、 その辺を何 とか改善したいな、ということでそういったことを始めてみたのですけれど、 お陰で割合にあまり上 手くない人でも比較的長くプレイできる、 うまい人でも最後のほうに行くまで結構ドラマチックに楽 しめる、 そういった感じになっています。』 － 遠藤雅伸（出演）、1987、「糸井重里の電視遊戯大展覧会」『遠藤雅伸ゼビウスセミナー』フジテレビ －
- 266. メタＡＩ Left 4 Dead の事例 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 今回は Left 4 Dead の事例を見てみる。
- 267. 適応型動的ペーシング [基本的発想] (1) ユーザーがリラックスしている時に、ユーザーの 緊張度が一定の敷居を超えるまで敵をぶつけ 続ける。 (2) ユーザーの緊張度が一定の緊張度を超えると 敵を引き上げる。 (3) リラックスすると敵を出現し始める（(１)へ）。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 268. メタAI(=AI Director)によるユーザーのリラックス度に応じた敵出現度 ユーザーの緊張度 実際の敵出現数 計算によって 求められた 理想的な敵出現数 Build Up …プレイヤーの緊張度が目標値を超えるまで 敵を出現させ続ける。 Sustain Peak … 緊張度のピークを3-5秒維持するために、 敵の数を維持する。 Peak Fade … 敵の数を最小限へ減少していく。 Relax … プレイヤーたちが安全な領域へ行くまで、30-45秒間、 敵の出現を最小限に維持する。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html より具体的なアルゴリズム
- 269. メタＡＩがゲームを認識する方法 キャラクター用に作成された ナビゲーションメッシュを メタＡＩがゲームの 状況を認識するために使用する。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 270. メタAIが作用を行う領域 (AAS=Active Area Set) Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 271. 安全な領域までの道のり(Flow Distance) メタＡＩはプレイヤー群の経路を トレースし予測する。 - どこへ来るか - どこが背面になるか - どこに向かうか Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 272. プレイヤーからの可視領域 可視領域（プレイヤーから見えている 部屋）では、敵のスパウニング（発生） はできない。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 273. 敵出現領域 背後 前方 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 前方と背後のプレイヤー群から見えてない部屋に、 モンスターを発生させる。
- 274. 具体的なアルゴリズム (1) 各エリアに、出現数 N を決定する (2) 出現数Nは予想される逃走経路の長さと 要求される密度によって計算される。 (3) あるエリアがAAS の中に入るとクリー チャーがN体生成される。 (4) そのエリアがAAS の外に出ると生成が中 止され、クリーチャーは消滅される。 (5) Ｎはそのエリアがプレイヤーから見えてい る場合、或いは、プレイヤーがリラックス モードの場合には、強制的に０になる。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 277. Procedural Generation in WarFrame • Warframe ではダンジョンが自動生成される。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 279. WarFrame における自動生成マップの 自動解析によるナビゲーションデータ作成 抽出した骨格に沿って 自動的にナビゲーション・データを作成します。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 280. スタートポイント、出口、目的地の 自動生成 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 281. ヒートマップ（影響マップ）を用いて ゲーム中にプレイヤーの周囲を自動解析 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed ヒートマップ（影響マップ）とは、対象（ここではプレイヤー）を中心に、位置に温度（影響度）を 与える方法です。距離に応じて減衰します。また時間が経つと、周囲に熱が拡散します。
- 282. Tactical Map の例 (影響マップ) （例）敵と自分の勢力をリアルタイムに計算する。 4 6 8 8 8 8 6 4 2 0 -1 -2 -4 -4 -4 -2 4 6 8 8 8 8 4 2 1 0 -2 -4 -4 -2 4 6 8 8 8 6 3 1 0 -2 -4 -4 -4 -2 4 6 8 8 8 6 6 4 1 0 -2 -4 -4 -2 2 4 6 8 6 6 4 4 0 -1 -2 -4 -4 -4 -2 1 2 4 6 6 4 2 2 -4 -5 -3 -3 -4 -4 -2 -1 3 3 3 3 4 2 2 0 -4 -5 -5 -8 -8 -6 -4 -2 3 3 2 2 2 0 -2 -4 -8 -10 -10 -8 -4 -2 3 3 3 2 2 1 0 -4 -8 -10 -10 -8 -8 -4 -2 2 2 2 2 1 1 0 -3 -8 -10 -10 -8 -8 -4 -2 1 1 1 1 0 0 -2 -4 -8 -8 -8 -8 -8 -8 -8 -8 0 0 0 0 0 -1 -1 -2 -5 -6 -6 -6 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -4 -4 -4 -6 -8 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1
- 283. ヒートマップ（影響マップ）を用いて ゲーム中にプレイヤーの周囲を自動解析 「ヒートが増加する＝プレイヤーが近づく点」 「ヒートが減少する＝プレイヤーが遠ざかる点」 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 284. アクティブ・エリアセット（Active Are Set） Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed アクティブ・エリアセットは、プレイヤーの周囲の領域で、 リアルタイムにメタAIがゲームを調整する領域
- 285. メタAIがアクティブ・エリアセット内で ゲームを調整する 「ヒートが増加する＝プレイヤーが近づく点」なので、モンスターを生成する。 「ヒートが減少する＝プレイヤーが遠ざかる点」なので、モンスターを停止する。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 286. メタAI （AI Director,）による 動的ペース調整 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 289. プロシージャル技術
- 290. 地形自動生成 Jacob Olsen, Realtime Procedural Terrain Generation http://oddlabs.com/download/terrain_generation.pdf ２次元中点変位法 ボロノイ図 ノイズ法（濃い＝低い、白い＝高い） ＋ ＝ ©2020 SQUARE ENIX CO., LTD. All Rights Reserved.
- 291. Ken Musgrave http://www.kenmusgrave.com/ ©2020 SQUARE ENIX CO., LTD. All Rights Reserved.
- 292. Terragen(Planetside Software) 風景、自動生成生成ソフト http://www.planetside.co.uk/terragen/ 海外のゲームや映画の背景として利用されている ©2020 SQUARE ENIX CO., LTD. All Rights Reserved.
- 293. Age of Empires III における地形自動生成 西川善司, 「3DゲームファンのためのAGE OF EMPIRESエンジン講座(後編)こだわりの影生成と算術合成 されるディテール、次回作はXbox2?」, GAME Watch, 2005 ©2020 SQUARE ENIX CO., LTD. All Rights Reserved.
- 294. L-system による街の自動生成 City Engine(central pictures) Yoav I H Parish, Pascal Müller http://www.centralpictures.com/ce/tp/paper.pdf http://www.centralpictures.com/ce/ George Kelly, Hugh McCabe, A Survey of Procedural Techniques for City Generation http://www.gamesitb.com/SurveyProcedural.pdf ©2020 SQUARE ENIX CO., LTD. All Rights Reserved.
- 295. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/ ©2020 SQUARE ENIX CO., LTD. All Rights Reserved.
- 296. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/ ©2020 SQUARE ENIX CO., LTD. All Rights Reserved.
- 297. これからのゲームの作り方 オープンワールド プロシージャル（自動生成） 適応型的AI （自動AI配置、自動ミッション生成） ©2020 SQUARE ENIX CO., LTD. All Rights Reserved.