[NDC 2009] 행동 트리로 구현하는 인공지능
•
150 likes•28,772 views
[NDC 2009 발표 자료] AI를 행동 트리로 구현할 때의 장점, 행동 트리의 동작 방식, 구현시 유의할 점을 개괄적으로 설명
![발표자 소개
컴공 학부 졸업
대학원 인공 신경망 전공
샤이닝 로어 초기 AI [판타그램]
마비노기 초기 AI
기타 AI 코딩 경험 다수
미니맥스 알고리듬만 쓰면
AI가 나오는 줄 알았던 10년 전 사진](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recommended
More Related Content
What's hot
What's hot (20)
Viewers also liked
Viewers also liked (20)
Similar to [NDC 2009] 행동 트리로 구현하는 인공지능
Similar to [NDC 2009] 행동 트리로 구현하는 인공지능 (20)
[NDC 2009] 행동 트리로 구현하는 인공지능
- 1. 행동 트리로 구현하는 인공지능 개발 3본부 김용하
- 2. 발표자 소개 컴공 학부 졸업 대학원 인공 신경망 전공 샤이닝 로어 초기 AI [판타그램] 마비노기 초기 AI 기타 AI 코딩 경험 다수 미니맥스 알고리듬만 쓰면 AI가 나오는 줄 알았던 10년 전 사진
- 3. 발표 순서 1. 종래 AI 구조의 문제 2. 그래서 나온 BT 3. BT 구현 요소 4. BT 구현 이슈
- 4. 일반적인 AI 구조를 먼저 살펴 봅니다
- 6. 일반적인 AI •센서를 통해 주변을 인지 •메모리에 타겟이나 제반 정보를 기록 •디시젼 로직에서 상황을 판단하고 일련의 커맨드를 실행 •캐릭터 액션을 수행 WORLD SENSOR ACTOR Perception Animation MEMORY DECISION LOGIC AI
- 7. FSM : Finite State Machine (유한 상태 기계) 오토마타 시간에 졸면서 배운 그 FSM 이거 왜 쓰는가? 책에 나오니까 다들 쓰고 있다고 하니까
- 8. 디시젼 로직 With FSM IDLE COMBAT RETREAT 적 발견 퇴치 못당하겠다 사생결단도주 성공 대부분 이런 형태로 시작
- 9. 어떻게 더 구체화 할 것인가 여기서 문제가 발생 ! State를 나누기가 Transition을 리와이어링 하기가 IDLE COMBAT RETREAT 적 발견 퇴치 못당하겠다 사생결단도주 성공 오마이갓 -_- 매우 곤란
- 10. 일반적인 해결책 #1 @ 한국 여기서부터는 하드 코딩 ! 각 State, 각 Transition을 여러 가지 패턴으로 하드 코딩 패턴을 조합하는 식으로 AI 로직 구현 새로운 움직임이 필요하면 해당 패턴을 다시 하드 코딩 IDLE COMBAT RETREAT 적 발견 퇴치 못당하겠다 사생결단도주 성공 ex) IDLE_SLIME, IDLE_ORC, COMBAT_REACTIVE, … ex) ORC = IDLE_ORC + COMBAT_AGGRESSIVE + RETREAT_NEVER
- 11. 일반적인 해결책 #2 @ 한국 스테이트 커맨드 부분을 모듈화 & 스크립트나 XML로 조합 기본적인 플로우 컨트롤 좀 더 코드 재활용도가 높음 Ex) [IDLE] LOOP WAIT 10~20 sec PATROL LOOP_END [ATTACK1] TARGET near APPROACH ATTACK melee WAIT 10 sec [ATTACK2] TARGET ranged APPROACH USE_SKILL A WAIT 20 sec [STRATEGY] … IF RANGED ATTACK2 ELSE ATTACK1 이것도 더 이상 FSM은 아님
- 12. 일반적인 해결책 #2 @ 한국 이정도면 되지 않나요? 네. RPG 자코캐릭터 AI 만드는 데는 충분합니다 그러나.. 보스몹의 다양한 패턴 생활하는 NPC 미리 정의된 스테이트 안에 갇혀 버림. 확장이 제한됨 이런 것은 구현하기 힘듭니다
- 13. 일반적인 해결책 #3 @ 서양 PvE가 컨텐츠의 거의 전부인 콘솔에서는 온라인 게임보다 AI가 훨씬 중요한 요소 훨씬 복잡한 환경 요소 NPC가 생활도 하고 성장도 하고… FABLE 2 SPORE 그래서 결국… ?
- 14. 일반적인 해결책 #3 @ 서양 HFSM : Hierarchical Finite State Machines 적 발견 퇴치 못당하겠다 사생결단도주 성공 패트롤 HIDE SHOOT RELOAD 보다 다양한 AI를 만들 수 있으나 유지 보수 코스트는 여전히 높다 Brute-Force 하게 나누는 대신 State를 적절히 모듈화해나감 State 모듈의 재활용
- 15. 그래서 나온 것이 BT (Behavior Tree)
- 16. BT 개요 •사실은 HFSM을 보다 일반화한 것 – 계층적으로 State를 나누어가는데 집중 – 나누다보니 굳이 State가 아니라도 되게 되었음 – 트리 탐색형 명령 체계로 일반화됨 HALO 2 BT melee shoot grenade uncover pursue cover sleep fight search hide idle root
- 17. BT 개요 •구조적인 장점 – 단순한 하부 구조 (그래프 <> 트리) 구현 코스트도 적다 – Divide & Conquer 로 작업을 쪼개기 쉬움 – 모듈 재활용이 용이, 읽기도 쉽고, 유지 보수가 간편… melee shoot grenade uncover pursue cover sleep fight search hide idle root HALO 2 BT
- 18. BT 개요 •최근 가장 HOT 한 AI 트렌드 – HALO 2 대성공 이후 – SPORE, GTA 등에서 Adapt – 기존의 HFSM에서 BT로 이전해가는 추세 melee shoot grenade uncover pursue cover sleep fight search hide idle root HALO 2 BT 하지만 BT가 완전히 새로운 개념은 아니고 기존의 방법론을 일반화, 체계화한 것
- 19. Final Fantasy XII Gambit System MASK ORDER CONDITOIN ACTION
- 20. Carnage Heart UCC AI 게임 분기도 있고 센서/액션 커맨드도 다양 개념적으로 BT와 상당히 유사하다 동작 동영상
- 21. BT 구체적인 동작을 알아봅시다
- 22. Decider 기반 BT(HALO BT 1.5) •보다 HFSM에 가까운 형태 •Spore에서 사용 •Decider 부분이 FSM과 유사 – 일종의 State Set •Behavior는 개별 액션 ROOT FLEE GUARD FIGHT EAT IDLE YELL_FOR_HELP FIGHT PATROL REST FIND_FOOD EAT_FOOD PLAY REST FLIP ROLL DANCE DECIDER BEHAVIOR
- 23. Decider 탐색 매 틱마다 순서에 따라 Decider Function을 재평가 ROOT FLEE GUARD FIGHT EAT IDLE YELL_FOR_HELP FIGHT PATROL REST FIND_FOOD EAT_FOOD PLAY REST FLIP ROLL DANCE Activated Evaluation
- 24. Decider 탐색 Priority가 앞선 Decide Function이 Accept 되면 ROOT FLEE GUARD FIGHT EAT IDLE YELL_FOR_HELP FIGHT PATROL REST FIND_FOOD EAT_FOOD PLAY REST FLIP ROLL DANCE Activated Evaluation Accepted !
- 25. Decider 탐색 Activate되었던 기존 노드를 클리어 ROOT FLEE GUARD FIGHT EAT IDLE YELL_FOR_HELP FIGHT PATROL REST FIND_FOOD EAT_FOOD PLAY REST FLIP ROLL DANCE Activated Evaluation Accepted ! HALT
- 26. Decider 탐색 …한 뒤, Child를 탐색 ROOT FLEE GUARD FIGHT EAT IDLE YELL_FOR_HELP FIGHT PATROL REST FIND_FOOD EAT_FOOD PLAY REST FLIP ROLL DANCE Activated Evaluation Accepted ! Parent Decide는 Child Decide의 부분집합 (Parent가 Accept하고 Child가 Reject 할 수 없음)
- 27. Decider 탐색 ROOT FLEE GUARD FIGHT EAT IDLE YELL_FOR_HELP FIGHT PATROL REST FIND_FOOD EAT_FOOD PLAY REST FLIP ROLL DANCE Activated Evaluation Accepted ! State 사이에 Transition이 이뤄지는 FSM과 달리 우선 순위에 따라 State를 가로채는 방식
- 28. Decider 탐색 ROOT FLEE GUARD FIGHT EAT IDLE YELL_FOR_HELP FIGHT PATROL REST FIND_FOOD EAT_FOOD PLAY REST FLIP ROLL DANCE Activated Evaluation Accepted ! Accepted ! Accept 된 노드들이 연쇄적으로 Activate 됨
- 29. Decider 탐색 Reject 되면 다음 Decide function계속 평가 ROOT FLEE GUARD FIGHT EAT IDLE YELL_FOR_HELP FIGHT PATROL REST FIND_FOOD EAT_FOOD PLAY REST FLIP ROLL DANCE Activated Evaluation
- 30. Decider 탐색 ROOT FLEE GUARD FIGHT EAT IDLE YELL_FOR_HELP FIGHT PATROL REST FIND_FOOD EAT_FOOD PLAY REST FLIP ROLL DANCE Activated Evaluation Reject 되면 다음 Decide function계속 평가
- 31. Decider 탐색 ROOT FLEE GUARD FIGHT EAT IDLE YELL_FOR_HELP FIGHT PATROL REST FIND_FOOD EAT_FOOD PLAY REST FLIP ROLL DANCE Activated Evaluation 이미 Activate 상태인 노드는 평가하지 않고 Leaf 노드를 계속 수행
- 32. 트리를 매 프레임 다 탐색? Decider에 Pre-Condition을 두어 탐색을 가속 Time Check DecisionFlag Decide Function 매 00초 마다만 검사 Enable/Disable Mask
- 33. Alex’s BT •Alex J. Champandard RockStar 개발자 출신, AiGameDev 운영자 요즘 BT 제일 열심히 선전하고 있는 사람 •이 아저씨 모델은 Halo BT 1.5 보다 좀 더 BT를 일반화한 것 •매우 심플해서 바닥부터 구현할 때 용이
- 34. 기본적으로 트리 탐색 patrol investigate attack look aroundmove bite 재귀적으로 태스크를 분해
- 35. Halo BT와의 차이 Leaf는 Condition 혹은 Action Condition도 Leaf node임 Condition Action 액터 상태, 이벤트 체크 충돌 등등.. 소리를 내거나 애니메이션을 틀거나…
- 36. Halo BT와의 차이 Parent Node는 Sequence 혹은 Selector 계속 진행 Fail 종료 Sequence Child가 Success이면 순서 대로 진행 모두 S면 결과도 S
- 37. Halo BT와의 차이 Parent Node는 Sequence 혹은 Selector Selector Child가 Fail이면 순서 대로 진행 하나라도 S면 결과도 S Success 종료 계속 시도
- 38. 트리 탐색 과정의 예 Halo에서는 Decide에 따라 탐색할지 말지 결정되지만 여기서는 Leaf 까지 내려가서 조건을 판단
- 39. Alex 모델의 장점 •구현이 간단 S / F 의 리턴 값과 Tick만으로 구성된 기본 Node, Seq / Sel (compositor) 클래스만으로 AI 기반이 완성! (반나절이면 된다!) •Decider와 Behavior가 전혀 다른 Halo 모델에 비해, 컨디션을 분해하기 용이
- 40. Alex 모델의 부가적인 패턴들 기능이 추가된 Seq / Sel - 랜덤 Seq / Sel Decorator - 자식을 건드리지 않고 기능을 추가 Wait 멍!멍! Timer 최대 n초간 Loop 여러번 Wrapper Fail 무시
- 41. BT 구현시 이슈 직접 사용해 보니…
- 42. AI 작업의 리팩토링이 용이 •Tree의 노드로 분해하면 됨 SEQ 공격 상태이거나 타게팅할 적이 근처에 있으면 적을 타게팅하고 적에게 접근해서 공격 Condition Action SEQ 공격 상태이면 타겟이 공격 범위 안에 있으면 SEQ 공격 SEL 타겟에 접근
- 43. AI 작업의 리팩토링이 용이 •SubTree나 Node를 재사용 가능 공격 상태이면 타겟이 공격 범위 안에 있으면 SEQ 공격 SEL 타겟에 접근 타겟이 공격 범위 안에 있으면 SEQ 공격 SubTree를 모듈 처럼 사용할 수 있다
- 44. 코드 리뷰나 수정이 용이 •로직이 코드에 그대로 드러남
- 45. 그 밖의 장점 •BT 구조를 그대로 플래닝에 활용할 수 있음 – Pre-Evaluation 펑션을 만들어 트리 탐색 / 결과 예측해볼 수 있음 •비쥬얼 툴 제작이 용이 Brainiac Designer 2.1
- 46. 그 밖에 주의할 점 •BT 노드의 탐색 순서가 행동에 영향을 미친다 •BT 노드는 서로간에 의존성이 없어야 한다 •BT 노드는 Blackboard나 게임 옵젝트에서 정보를 얻어 와야 함 ex) <공격> 노드는 타겟 정보를 <타게팅> 노드에서 전달 받는 것이 아니라 게임 옵젝트의 ‘현재 타겟’ 값을 읽어와 처리
- 47. 그 밖에 주의할 점 •FSM과 BT는 구조적인 방향성이 다르다 – FSM : ‘상태’를 정의하고 이벤트에 따라 다른 상태로 바뀌 는 과정을 구조화 – BT : AI가 달성할 소정의 목표를 정의하고 이것들을 서브 태스크로 나누어 운용
- 48. 그 밖에 주의할 점 •BT에서의 이벤트 처리는 FSM과 다르다 – FSM 처럼 다른 상태로 ‘점프’ 하는 것 보다는 – 현재 노드로부터 발생한 상황을 처리하는 서브트리로 분 기해서 작업을 처리하는 쪽으로 작업 – 다른 브랜치의 서브 트리를 복사해와서 써도 무방! Ex) 회피중에 공격을 받는 경우 •FSM : 회피 State에서 다른 State로 전이해서 처리… •BT : [공격 받은 경우]를 처리하는 서브 트리를 회피 밑에 복사 해서 회피중 피격 상황에 대한 세부 처리…
- 49. 결론 : 이제 FSM은 잊어버리고 BT로 가자! •State를 고민하지 않아도 빠르게 동작을 구현해볼 수 있다 (State 비슷한 것이 필요하다면 나중에 묶어서 만들면 됨) •코드를 다시 봐도 읽을 수 있다 •코드 리팩토링과 모듈화가 용이하다 •확장성이 높음
- 50. References Spore Behavior Tree Docs, Chris Hecker http://chrishecker.com/My_Liner_Notes_for_Spore Handling Complexity in the Halo 2 AI, Damian Isla http://www.gamasutra.com/gdc2005/features/20050311/isla_01.shtml GAME::AI++ (Source Code) http://aigamedev.com/premium/releases/gameai-06/ AIGameDev - Behavior Tree Related Articles http://aigamedev.com/
- 51. Q & A