ゲームAI製作のためのワークショップ（I）

三宅陽一郎
ゲームＡＩ製作のための
ワークショップ（I）
三宅陽一郎@miyayou
2016.9.7 @横浜
https://www.facebook.com/youichiro.miyake
http://www.slideshare.net/youichiromiyake
y.m.4160@gmail.com

Works (2006-2012)
AI for Game Titles
Books

経歴
京都大学（数学）大阪大学（原子核実験物理）東京大学
（エネルギー工学/人工知能）
高エネルギー加速器研究所（半年ぐらい。修士論文）
http://www.facebook.com/youichiro.miyake

ゲームＡＩの役割
ユーザーの知的体験を作ること。
知能と出会うこと
賢い！と思うこと。
知能戦を戦っていると思うこと。
相手に意志を感じること。

知能方程式
ユーザーの知的体験
＝ユーザーの心理ｘキャラクターの賢さ
人工知能

知能方程式
ユーザーの知的体験
人工知能ゲームの状況

知能方程式
http://mmorpg18.com/real/raiderz/
モンスターと「あと一撃で戦闘不能」な時に会うのと、
モンスターと「ＨＰがまんたん」の時に出会うのでは、心理が違う。

知能方程式
ユーザーの体験
ユーザーを追い込む

知能方程式
好きなキャラクタ－に言われるのと、
どうでもいいキャラクターに言われるのは違う。
あり
がと
http://www.jp.playstation.com/software/title/jp0571npjj00313_000000000000000001.html

知能方程式
ユーザーを心理を引き出す

知能方程式
状況を作り出すことで、
ユーザーの心理を引き出す
ゲームデザイナーの仕事

キャラクターのリアリティ
• ユーザーから何を引き出すか？
ゲームの状況ユーザー
ユーザーか
ら引き出す
もの
キャラクター
の
リアリティ

知能方程式
ユーザーを心理を引き出す
＝状況を作り出す
ゲームデザイナーの仕事エンジニアの仕事

プレイヤー
© KAYAC Inc. All Rights Reserved.
プレイヤーキャラクター
https://build.cloud.unity3d.com/share/W1TeqjaSu-/

敵キャラクター
敵キャラクターをどのような存在として思わせたいか？
敵キャラクター
プレイヤーキャラクター

ワークシート（１）５分
• どんなユーザーの体験を作りたいか？

ワークシート（２）５分
• そのためのユーザーをどのような心理状況に
追い込むか？

ワークシート（３）５分
• そのために必要なキャラクターの賢さとは？

ディスカッション
• 天敵として出て来る。
• 種族が反映する幸せ。子供たちを全員やっつ
けてしまう。幸せなところから絶望に陥れる。自
分より敵の方が基本性能が高い。強い敵に対
して、立ち向かう。ユーザーから闘争心を引き
出す。
• 天敵なので、プレイヤーが嫌がることをする。こ
れを嫌だというものを優先的に選択する。プレ
イヤーの行動履歴を解析して判断して選択する。
報復度、恨みパラメーターが変化する。自キャ
ラが孵化するタイミングを狙う。

ディスカッション＜２＞
• 敵を全滅させたい。
• 全滅させたい＝敵を全滅させるのを見せる。食
べている。マップを侵略されている感を入れる。
スプラトゥーンのように塗る。ジェノサイド。違う
種族を作る。一機でも残るとドロー。ユーザー
から危機感を引き出す。
• 危機感をあおるパターンを考える。ただひたす
ら増える。攻撃して来る。危機感をあおるシ
チューションを作る。１００匹まで増える。

ディスカッション＜１＞
• 敵を追い込んでくる。パックマンのように緊張と
緩和。
• 連携プレイ。青筋が立っている。よだれが出て
いる。絵で見て。演出する。ユーザーから恐怖
心を引き出す。
• 逃げ切れるか、逃げきれないか、わからないよ
うなAIの仕組み。スピードに焦点を入れて、アイ
テム取り合いになった時に、もしかしたら、取れ
るかもと思わせる。アイテムの取り合いになる
ように微妙な位置にアイテムを出現させる。ス
ピードを調整する。

敵キャラクターを作ろう
頭の中

敵キャラクターの二つの作り方
外から作る方法
内から作る方法

外から作る方法

このＡＩはどう作るか？
プレイヤー
キャラクター
岩地面
池
例として、次のようなキャラクターのＡＩをどう作るか考えてみましょう。

このＡＩはどう組むか？
プレイヤー
キャラクター
岩地面
池
（例）
プレイヤーがＡにいれば
Ｂをうろうろする。
プレイヤーがＢにいれば
近づいて攻撃する。
Ａ B

プレイヤー
キャラクター
岩地面
池
（例）
Ａ BＡ
これは、まず書く人の思
考がまずあり、その結果
を指示として書いていま
す。

プレイヤー
キャラクター
岩地面
池
Ａ BＡ
つまりＡＩ自身は何も知ら
ない、命令を受けるだけ
の操り人形なわけです。
これは古典的な作り方で
す。
http://septieme-ciel.air-nifty.com/nikubanare/2007/08/post_3c38.html
、
（例）

プレイヤー
キャラクター
岩地面
池
Ａ BＡ
こういったＡＩをゲーム産
業では「Scripted AI」と言
います。こういったＡＩは
ゲームデザイナーがスク
リプト言語で書く場合多
いからです。
http://septieme-ciel.air-nifty.com/nikubanare/2007/08/post_3c38.html
、
（例）

スクリプト
Scripted AI から自律型ＡＩへの変化
ゲームデザイナーの頭の中ゲームデザイナーの頭の中
知識思考
Scripted AI 自律型 AI (Autonomous AI)

スクリプト
Scripted AI から自律型ＡＩへの変化
ゲームデザイナーの頭の中ゲームデザイナーの頭の中
知識思考
Scripted AI 自律型 AI (Autonomous AI)
操り人形（Scripted AI）から、キャラクターが自分で考えて行動する
自律型ＡＩ（Autonomous AI）になるためには、
ゲームデザイナーが頭の中で持っている知識と思考をＡＩに埋め込
んであげる必要があります。

内から作る方法

プレイヤー
キャラクター
岩地面
池
地形データ
（Way Points）
、
ステップ１：
ＡＩにゲームステージの
地形を認識させたい
＝地形のデータを与える。
ＡＩは地形データによって、自分とプレイヤーの位置関係を知る
ことができます。

地形データ
（Way Points）
ことができます。（ネットワークグラフの問題に帰着）

ナビゲーションＡＩ
プレイヤー
キャラクター
岩地面
池
、
ステップ２：
地形データをもとに考え
る思考を与える。
地形データを用いた
思考
地形データ
（Way Points）

地形データ
（Way Points）
最短経路を計算
思考

パス検索とは
現在の地点から指定したポイントへの経路を、
リアルタイムで計算して導く技術。
RTS - Pathfinding A*
https://www.youtube.com/watch?v=95aHGzzNCY8

Counter Strike: Path Following (デモ)
The Official Counter-Strike Bot
http://aigamedev.com/insider/presentation/official-counter-strike-bot/

Dragon Age : Way Point
Dragon Age pathfinding program put to the test
https://www.youtube.com/watch?v=l7YQ5_Nbifo

地形データ
（Way Points）
思考
最短経路を計算

地形データ
（Way Points）
ネットワークグラフに可視判定の情報を埋め込む。
思考

地形データ
（Way Points）
ここの点グループはお互いが見えている。
思考

地形データ
（Way Points）
ここの点グループはお互いが見えない。
思考

地形データ
（Way Points）
プレイヤーからキャラクターが見えている。
思考

地形データ
（Way Points）
プレイヤーからキャラクターが見えていない。
思考

地形データ
（Way Points）
プレイヤーから見つけて貰うために
プレイヤーからキャラクターが見えるように動く。
思考

地形データ
（Way Points）
思考
プレイヤーから見つけて貰うために
プレイヤーからキャラクターが見えるように動く。

地形データ
（Way Points）
プレイヤーからキャラクターが見えない位置に動く。
思考

プレイヤー
キャラクター
岩地面
池
地形データ
（Way
Points）
、
ステップ３：
最後に、いつプレイヤーの
攻撃を仕掛けるか、逃げ
るか、を決定する思考を作
ります。
地形デー
タを用いた
思考
意思決定
思考

地形データ
（Way Points）
攻撃するか？隠れるか？牽制するか？を選ぶ思考。
＝意思決定思考
意思決定思考
思考

地形データ
（Way Points）
攻撃する
意思決定思考
思考

地形データ
（Way Points）
牽制する。（＝見える場所に行く）
意思決定思考
思考

地形データ
（Way Points）
隠れる。（＝プレイヤーから見えない場所に行く）
意思決定思考
思考

プレイヤー
キャラクター
岩地面
池
地形データ
（Way
Points）
、
これで、キャラクター
を知能化することが
できました。
地形デー
タを用いた
思考
意思決定
思考

ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
ロジック
オブジェク
トを用いた
ロジック

ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
ロジック
オブジェク
トを用いた
ロジック
ここでキャラクターに知能を与えたプロセスを振り返ってみましょう。
ステップ１：知識を与えた。
ステップ２：知識の上で操作する思考を与えた。
ステップ３：自分の意志を決定する思考を与えた。

知識思考
ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
思考
意思決定
の思考
知識を（データ）表現する。（知識）知識に基づいて思考する。（ＡＩ思考）
AI自身に「知識」と「知識の上の思考」を与えることが
知能を作る基本です。

思考知識
ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
思考
オブジェク
トデータ
意思決定
の思考
自分の
身体データ
身体運動
の
ロジック
知識を（データ）表現する。（知識）知識に基づいて思考する。（ＡＩ思考）
「知識」と「その上の思考」をどんどん増やして行くことでＡＩは成長します。

知能
思考知識
ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
思考
オブジェク
トデータ
意思決定
の思考
自分の
身体データ
身体運動
の
ロジック
知能＝知識ｘ思考

知能
思考知識
ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
思考
オブジェク
トデータ
意思決定
の思考
自分の
身体データ
身体運動
の
ロジック
これでキャラクター自身が知能を持ちました。
キャラクターの持つ知能をキャラクターＡＩと言います。

第一知能方程式

第二知能方程式
知能＝知識ｘ思考
考えるゲームを知識として
表現すること

知能方程式
人工知能
＝知識ｘ思考
考えるゲームを知識として
表現すること

ワークシート（４）５分
• 敵キャラクターが持たなければならない知識
とは何か？

ワークシート（５）５分
• 敵キャラクターが知識を使って実現するべき
知的機能とは何か？

• 天敵として出て来る。
• 種族が反映する幸せ。子供たちを全員やっつけてしまう。
幸せなところから絶望に陥れる。自分より敵の方が基本性
能が高い。強い敵に対して、立ち向かう。ユーザーから闘
争心を引き出す。
• 天敵なので、プレイヤーが嫌がることをする。これを嫌だと
いうものを優先的に選択しする。プレイヤーの行動履歴を
解析して判断して選択する。報復度、恨みパラメーターが
変化する。自キャラが孵化するタイミングを狙う。
• プレイヤーの幸福度を測る。行動ログを取っておく必要が
ある。いつ、どこで、何をしたか。どこで卵を産んだか、どこ
で食べたか。取り続けられるのかな。プレイヤーが何を大
事にしているかを計測する。
• 行動ログがあって位置情報があって、いつどこで何をした
かを、プレイヤーがどんな道をたどったか、うろうろしたか、
卵を産んだ場所を推測して、そこに行く。

• 敵を全滅させたい。
• 全滅させたい＝敵を全滅させるのを見せる。食べている。
マップを侵略されている感を入れる。スプラトゥーンのよう
に塗る。ジェノサイド。違う種族を作る。一機でも残るとド
ロー。ユーザーから危機感を引き出す。
• 危機感をあおるパターンを考える。ただひたすら増える。攻
撃して来る。危機感をあおるシチューションを作る。１００匹
まで増える。
• 地形データ、食べ物のデータ、視界のデータ、状況確認、
支配率。敵と味方の状況。AIの目標。食べるのを主とする
か、増やすのを主とするのか、ユーザーの行動ログ。
• 経路探索とパターン。食べ物食べる、敵を攻撃する、逃げ
る、隠れる、味方に食べ物を譲る。自分から食べられに行
く＝囮。動かないで戦略を集中する。

• 敵を追い込んでくる。パックマンのように緊張と緩和。
• 連携プレイ。青筋が立っている。よだれが出ている。絵で
見て。演出する。ユーザーから恐怖心を引き出す。
• 逃げ切れるか、逃げきれないか、わからないようなAIの仕
組み。スピードに焦点を入れて、アイテム取り合いになった
時に、もしかしたら、取れるかもと思わせる。アイテムの取
り合いになるように微妙な位置にアイテムを出現させる。ス
ピードを調整する。
• 地形データ・どっちがどっちに食べられるか。ゲームの基
本ルール。壁の位置、不変のもの。変化するもの。
• 知識を使って選択をする。追い込むのか、逃げるのかを判
断することができる。プレイヤーの操作を応じて、どういう
振る舞いをするかを選ばせる。やって来た行動、傾向を出
す。

ゲームの基本データ３つ
1. 描画データ CG
2. 当たりモデル物理
3. 知識表現 AI

描画データ
描画データ

衝突モデル（当たりモデル）
キャラクター衝突データ
オブジェクト衝突データ
オブジェクト衝突データ
床
物理的インタラクション

知識表現データ

情報の受け渡し（例）私は座標（2.1, 3.4, 5.6）にいる。
薬草は体力を回復する
（例）私は座標（2.1, 3.4, 5.6）にいる。
薬草は体力を回復する
（例）これは岩である。
動かすことはできない。
側の点に隠れることができ

知識表現・世界表現
仮想世界の知性
＝人工知能
WORLD
人工知能は生物のように世界をそのまま認識・解釈できるだろうか？
仮想世界の知性
＝人工知能
WORLD
AIが世界(物・事・空間など)を解釈できるように、世界をうまく情報表現する
＝知識表現 (KR、Knowledge Representation)
知識表現
（KR）

ゲーム世界
世界をリアルタイムに解釈
知識表現と作用世界・知覚世界
AIはそのままでは
理解できない。

ゲーム世界
世界をリアルタイムに解釈
現在の人工知能のレベルは難しい

ゲーム世界
知識表現

ゲーム世界
知識表現
AIは知識表現を通して世界を見る。それはAIの主観を決定し、
作用世界と知覚世界も決定する。

いろいろな知識表現
事実表現（信頼度表現）
意味ネットワーク
敵表現リスト
依存グラフルールベース表現
世界表現
Griesemer,J, "The Illusion of Intelligence: The Integration of AI and Level Design in Halo", 2002
http://downloads.bungie.net/presentations/gdc02_jaime_griesemer.ppt

世界表現（知識表現の一つ）
マップ全体に関わる知識表現を世界表現という
（ウェイポイント、ナビメッシュを基本とする表現）
World Representation （WR）
（例）８方向の可視距離の各ポイントに埋め込まれたウェイポイント群 (Killzone)
Straatman, R., Beij, A., Sterren, W.V.D., "Killzone's AI : Dynamic Procedural Combat Tactics", 2005
http://www.cgf-ai.com/docs/straatman_remco_killzone_ai.pdf

知識表現
世界表現

いろいろな世界表現
ナビメッシュ-ウェイポイント
階層表現
LOS マップ
戦術マップクラスタリング
敵配位マップテリトリー表現
Tactical Point System
Halo2Killzone
Killzone2Halo Assassin’s Creed
Left 4 Dead
Alex J. Champandard, Remco Straatman, Tim Verweij, "On the AI Strategy for KILLZONE 2's Bots”
http://aigamedev.com/open/coverage/killzone2/
Damian Isla,"Building a Better Battle: HALO 3 AI Objectives",
http://halo.bungie.net/inside/publications.aspx
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment
Conference , http://www.valvesoftware.com/company/publications.html

世界表現（知識表現の１つ）
マップ全体に関わる知識表現を世界表現という
（ウェイポイント、ナビメッシュを基本とする表現）
World Representation （WR）
（例）８方向の可視距離の各ポイントに埋め込まれたウェイポイント群 (Killzone)
Straatman, R., Beij, A., Sterren, W.V.D., "Killzone's AI : Dynamic Procedural Combat Tactics", 2005
http://www.cgf-ai.com/docs/straatman_remco_killzone_ai.pdf

Halo2 :世界表現
Dude, Where's My Warthog: From Pathfinding to General Spatial Competence, D. Isla, Invited talk, Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2005 http://naimadgames.com/publications.html

Dude, Where's My Warthog: From Pathfinding to General Spatial Competence, D. Isla, Invited talk, Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2005
http://naimadgames.com/publications.html
Halo2 :世界表現

Halo2 :世界表現

Halo2: 世界表現

Halo２: 世界表現

Counter Strike : Navigation Mesh
世界表現

知識表現
世界表現
オブジェクト
表現

オブジェクト表現
車
レバー
ドアの知識表現
位置 x: 3.0 y:.10,0
レバーで開けることが出来る
壊して開けることが出来る
車の知識表現
位置 x: 3.0 y:.2,0
乗って動かすことが出来る。
時速８０ｋｍで動く。
レバーの知識表現
位置 x: 5.0 y:.5,0
引くが出来る。
（結果：ドアが開く）
ドア
ドアの知識表現
位置 x:3.0 y:10.0
レバーを引くと開く（ルール）
レバーの知識表現
位置 x:5.0 y:5.0
引くことができる（アフォーダンス）.
レバーを引くとドアが開く（ルール）
車の知識表現
位置 x:3.0 y:2.0
運転することができる.
最大速度: 80km
物に対する表現

オブジェクト表現
これが車である
この方向に押せば動く

アフォーダンス
食べること
ができる
登ること
ができる
動かすこ
とができる

作用空間
食べること
ができる
登ること
ができる
動かすこ
とができる

歩くこと
ができる
届く
押すこと
ができる

作用空間
歩くこと
ができる
届く
押すこと
ができる

第二章ゲームＡＩの歴史

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

FC SFC SS, PS PS2,GC,Xbox Xbox360, PS3, Wii
DC （次世代）
TV game
3D
Network
AI
成長期
成熟期
インパクト
Hardware
技術の歴史的な流れから見て、人工知能技術のゲームへの応用は、
次世代で成長し、次々世代で成熟するだろう。
人工知能技術の導入の適切なタイミングはいつか？
時間軸200519991994198
0

第２部ゲームにおける人工知能の歴史
第１期パターンＡＩとプロシージャルＡＩ
① 単純なパターンＡＩ
② 複数のパターンを持つＡＩ
③ プロシージャルなＡＩ
第２期構造化されるＡＩ
① ＡＩの構造化とロジック実装
② 内部パラメータ変動モデルと
オブジェクトによるＡＩ制御による日常系ＡＩ
③ ニューラルネットワークと遺伝的アルゴリズム
第３期ＡＩアーキテクチャの時代

第１期 ①単純なパターンＡＩ
同じパターンをくり返すだけ

スペースインベーダー
（Realplayer）
(例) スペースインベーダー(1978)
プレイヤーの動きに関係なく、決められた動きをする

「知性 - 環境 - 身体」相関図
知性
身体
環境
パターン

第１期 ①単純なパターンＡＩ
同じパターンをくり返すだけ
ゲームデザイナー
ゲーム内の地形と合わせてＡＩをどのような配置に置くか
プレイヤー
パターンを予測し、最適な行動をイメージしながら
自機をコントロールしてプレイする、
というサイクルがゲーム攻略そのもの
Non-interactive

第１期 ②複数のパターンを持つＡＩ
あらかじめ決められた行動を、
状況によって使いわけるＡＩ
「プリンス・オブ・ペルシャ」など、
スプライトアニメーションを用意する必要がある場合、
数パターンに限られる。
Interactive

（例）プリンス・オブ・ペルシャ
「プリンス・オブ・ペルシャ」など、
スプライトアニメーションを用意する必要がある場合、
必然的にこういった制御となる。
プリンス・オブ・ペルシャ
６：００－

知性
身体
環境
条件に応じた命令
環境・オブジェクト
との衝突
身体動作は
保証される
予約された
情報の獲得

第１期 ②複数のパターンを持つＡＩ
パターンを作り込む（質ｘ数）
プレイヤー
自分の行動に応じてどういう動きをするかを学習し、
相手の弱点を見抜いて攻略する。
あらかじめ決められた行動を、
状況によって使いわけるＡＩ

第１期 ③プロシージャルなＡＩ
シューティングゲームなど、機体の軌道や弾道を、
逐次的に関数の計算で行なう。
（例）数値列を用意する場合もある。
Interactive

（例）ゼビウス？
遠藤雅伸氏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。
－ゼビウスセミナー－
http://spitfire.client.jp/shooting/xevious2.html
ゼビウス

知性
身体
環境
状況に応じて作られた運動
との衝突
身体動作は
保証される
予約された
情報の獲得

アセンブラからＣ言語への移行
２Ｄから３Ｄが主流へ → ＡＩにとって爆発的な情報量の増大
８０年代のＡＩ技術の盛り上がりがゲームへスピンオフ
グリッド上のロジック
俯瞰制御
無数のレイキャスト（射線計算）
主観制御

２Ｄ・３ＤのＡＩをムービーで比較
パックマン Halo
パックマン Halo

ＡＩが処理するべき膨大な空間情報
→ 結局、対処出来ませんでした
（複雑すぎる、１９９４年から１０年の課題となる）。
①ＡＩの行動範囲をある限定した自由に移動できる空間に限定すること。
②ステージを単純化すること（例えば、空の上ならＡＩは動き放題である）。
③あらかじめ、地形に沿った運動をプログラミングしておく
（固定パスを与えておくなど）。
暫定的解決策

第２期 ①ＡＩの構造化とロジック実装
複雑な環境下（処理するべき情報が多い）で、
キャラクターを制御する仕組みを入れる。
複雑な思考による行動
case ATTACK: if (-----)
if(-----)
else ...
戦闘
警戒休憩

(例) Quake HFSM
状態遷移図を用いる
http://ai-depot.com/FiniteStateMachines/FSM-Practical.html
Quake 4:10

知性
身体
環境
FSMなど
構造化された
知性
ボーン
構造を
持つ身体
との複雑な衝突限定された情報の獲得

第２期 ①ＡＩの構造化とロジック実装
仕組みの上に作り込んで行く。ＦＳＭなら状態数を増やす。
（後で問題になる）
プレイヤー
なかなか読みにくくなるので、反射神経が必要になる。
「うまいプレイヤー」の出現。
複雑な思考による行動
case ATTACK: if (-----)
if(-----)
else ...
戦闘
警戒休憩

第２期 ②内部パラメータ変動モデルとオブジェクトによる
ＡＩ制御による日常系ＡＩ
戦闘のＡＩから日常のＡＩへ
戦闘のＡＩ（極限状態）＜日常のＡＩ（煩雑）

自律型ＡＩの作り方
知性
（心）
身体

知性
（心）
身体
時間（ｔ）
ハングリー度（Ｈ）
Ｈ(t)＝sin(1/24*t)
If (H(t) > 0.5)
goto GetFood
ハングリー度が０．５
を超えたら餌を取りに行く。

知性
（心）
身体
時間（ｔ）
Ｈ(t)＝sin(1/24*t)If (H(t) > 0.5)
goto GetFood
Else
Sleep
１日
食べ物

自律型ＡＩの作り方（個性付け）
知性
（心）
身体
時間（ｔ）
Ｈ(t)＝sin(1/24*t)If (0.8*H(t) > 0.5)
goto GetFood
Else
Sleep
１日
食べ物
お腹の減りにくいＡＩとなる。

知性
（心）
身体
時間（ｔ）
Ｈ(t)＝sin(1/24*t)If (H(t) > 0.8 && S(t) < 0.1)
goto GetFood
Else If (H(t) < 0.3 && S(t) > 0.7)
goto Sleep
Else
Free_Walk
１日
眠りたい度（Ｈ）
Ｓ(t)＝sin(1/48*t)
１日
＋
寝床
食べ物

自律型ＡＩの作り方(個性づけ)
知性
（心）
身体
時間（ｔ）
If (0.5*H(t) > 0.8 && S(t) < 0.1)
goto GetFood
Else If (H(t) < 0.3 && 1.5*S(t) > 0.7)
goto Sleep
Else
Free_Walk
１日
Ｓ(t)＝sin(1/48*t)
１日
＋
寝床
食べ物
お腹の減りにくく、あまり眠らないＡＩとなる。
Ｈ(t)＝sin(1/24*t)

知性
（心）
身体
Ｈ(t)＝sin(1/24*t)
If (H(t) > 0.8 && S(t) < 0.1)
goto GetFood
Else If (H(t) < 0.3 && S(t) > 0.7)
goto Sleep
Else If( (1-H(t))*D(t) < 0.9)
Goto Fight
Else
Free_Walk １日
Ｓ(t)＝sin(1/48*t)
１日
＋
寝床食べ物
＋
環境
危険度（Ｄ）
D(t)＝ 1/敵との距離
１日
敵

こういったデモに３Ｄモデルを被せると…
② The Sims 3 (Maxis, EA)
Sims Getting Smarter: AI in The Sims 3(IGN)
http://pc.ign.com/articles/961/961065p1.html
GDC09 資料 http://cmpmedia.vo.llnwd.net/o1/vault/gdc09/slides/Combined.ppt
Trait … 特性。性格パラメーター
Wish … 将来の目標
Breaking
the Cookie-Cutter:
Modeling Individual
Personality,
Mood, and Emotion
in Characters
ムービー

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、
Happiness 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.

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)
http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm

キャラクターの内面のモチーフエンジン
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

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)
Bathtub
-Take Bath(+40 Hygiene)
(+30 Comfort)
-Clean (+20 Room)
Mood +26
Mood +20
[原則] 周囲の対象に対する、あらゆる可能な行動から、
Happiness （ここではMood）係数を最大化する行動を選択する。
最適な行動を選択する

Happiness を最大化
冷蔵庫が最も総合的にHapinessを上昇させるから

冷蔵庫へ行きます。

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。

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://cmpmedia.vo.llnwd.net/o1/vault/gdc09/slides/Combined.ppt

Edith
これだけだと、
原始的で単発の行動しかできないけれど…
実際は、
一連の行動のシークエンスをＡＩに行わせたい。
そのためのビジュアル・プログラミング環境が、
Edith

Edith
プログラミング・オブジェクトを繋げて行く
ビジュアル・プログラミング環境
Kenneth D. Forbus “Some notes on programming objects in. The Sims”
http://www.qrg.northwestern.edu/papers/Files/Programming_Objects_in_The_Sims.pdf

Edith
プログラミング・オブジェクトを繋げて行くビジュアル・プログラミング環境
Kenneth D. Forbus “Some notes on programming objects in. The Sims”
http://www.qrg.northwestern.edu/papers/Files/Programming_Objects_in_The_Sims.pdf

Edith Demo
http://www.DonHopkins.com/home/movies/TheSimsPieMenus.mov

Fridge
Hungry
Hunger +30
実例① 「調理して食べる」

Fridge Fix Dinner
food

Fridge
counter stove
Fix Dinner
food
cook

Fridge
counter stove
chair
table
Fix Dinner
food
Placement surface

Fridge
counter stove
chair
table
dishwasher
Fix Dinner
food
Disposal (neat)
ムービー
１７：００－

自律型ＡＩのコアの作り方
① ＡＩの内部変数として、時間的に自律変化する変数（＝関数）をセットする。
② その変数値（と外部環境の変数を結び付けながら）、異なる行動を取るよう
にプログラムを書く。
③ そういった変数を複数増やして、組み合わせることで、
複雑な内部構造を持つＡＩを作ることが出来る。
[参考] ゴール指向ＡＩ，ＢＤＩアーキテクチャ

Mat Bucklandの自律型エージェントのデモ
オライリー・ジャパン
「実例で学ぶゲームＡＩプログラミング」
（Mat Buckland著、松田晃一訳）
http://www.oreilly.co.jp/books/9784873113395/
目標を持ち、目標ごとに内部状態に
応じて変動する関数を持つ
① 攻撃する
② 移動する
③ 回復アイテムを取る
④ 武器を取る
…
意思決定：全てのゴールのうち、最大
値を持つゴールを選択して行動する。
（例）③
H(t) = 0.8 * ((1– 現在のＨＰ）/回復アイテムまでの距離)
デモ

ここまでの８ページが、
The Sims のＡＩの概要の説明です。
詳しくは以下の資料を見てください。
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回月例研究会）
http://www.igda.jp/modules/mydownloads/visit.php?cid=2&lid=77

知性
身体
環境
FSMなど
構造化された
知性
ボーン
構造を
持つ身体
物理的相互作用
知性から身体へ制御情報を渡す
身体から知性へ現在の状態を渡す
限定された
情報の獲得

②内部パラメータ変動モデルとオブジェクトによる
ＡＩ制御による日常系ＡＩ
日常を演出するためのオブジェクトを仕込んで行く
プレイヤー
別に戦わなくてよい。日常を楽しむ。ＡＩにちょっかいをかける。
リアリティーと面白さが大切。

第２期③ニューラルネットワークと遺伝的アルゴリズム
遺伝的アルゴリズムとニューラルネットワークが
ゲームＡＩの視野の中に入って来た。

（例）決して多くない
1996年 BATTLECRUISER: 3000AD (3000AD)
1997年がんばれ森川君２号 (muumuu)
2000年 Colin McRae Rally 2.0 (Codemasters)
2001年 Black & White (Lionhead Studio)
遺伝的アルゴリズム
ニューラルネットワーク
1998年アストロノーカ (muumuu)

（例）アストロノーカ
MuuMuu, プレイステーション用ソフト「アストロノーカ」（Enix, 1998）
http://www.muumuu.com/games/astro/

遺伝的アルゴリズム
集団を一定の方向に進化させる方法
最初の世代新世代（１００～世代後）
…
世代を経て進化させる
一つの世代が次の世代を交配によって産み出す

遺伝的アルゴリズムの仕組み
遺伝子
遺伝子
次世代
親①
親②
母集団から優秀な親を
２体ピックアップ
遺伝子を掛け合わせる次世代の子供を産み出す
(selection) (crossover) (production)
現世代
このサイクルをくり返すことで世代を進めて望ましい集団を産み出す
遺伝子
遺伝子

（例）① GA Racer
遺伝的アルゴリズムによって、遠くまで到達できるレーサーを作成する。
最初はここまでしか
たどり着けないけど…
だんだんと遠くまで、
たどりつけるようにする。
Mat Buckland, "Building Better Genetic Algorithm", 11.4., AI Game Programming Wisdom 2
（CD-ROMにソースコードと実行ファイルがあります）
最初の世代新世代（１００～世代後）

②シミュレーションとNPCの評価
NPCが生きるゲーム世界の中で、実際に一定時間動作させるなど
して、製作者がＮＰＣに望む目標に対する評価値（達成値）をつける。
順位評価値
1位８６.３
2位７８.４
3位７５.３
..…
…
１００位３８．２
ゲーム製作者の意図を反映する評価関数を作る
（例）強いＮＰＣを作りたければ、評価値＝0.7*撃破数＋0.3* 残りＨＰ
取り合えず生き延びることできるＮＰＣなら、評価値＝生存時間
ゲーム世界
敵
敵
敵
君はこの世界でどれだけ僕が求めるにふさわしいのだ？
遺伝子を評価するのではなく、その遺伝子を持つ個体が、
世界でどれだけ優秀であるかを測る。

評価値から適応度を計算する
順位評価値
1位８６.３
2位７８.４
3位７５.３
..…
…
１００位３８．２
順位適応度
1位９.３２
2位８.８３
3位７.８１
..…
…
１００位０.０２
評価値から、その個体の環境に対する適応度を計算する。
評価値が大きいほど、適応度は大きくなるようにしておく。
評価値とは、その環境で達成した行為の点数のこと。
適応度とは、環境にどれぐらい対応しているかを表す。
両者の対応関係は、比例関係にあるならどう作ってもよい。
（例）同じでいいや。適応度＝評価値
上位の点数は、差に意味がないから適応度＝ log (評価値/100 ) など。

③ 選択
順位適応度
1位 0.93
2位 0.81
3位 0.79
4位 0.63
5位 0.51
6位 0.44
7位 0.32
8位 0.28
9位 0.10
10位 0.02
適応度比例方式（ルーレット選択）
… 適応度の大きさに比例した確率で生き延びて親になれる。
（無作為にダーツを投げて親を決めるイメージ。
大きな適応度の領域ほどあたりやすい。プログラムでは勿論、乱数を使う）
生き延びて子孫(offspring)を残せる個体を決定する

④交叉による次世代生成
遺伝子
１点交叉
切断点
選んだ２つの親の遺伝子を交叉(crossover)させる。

⑤ 遺伝子操作（突然変異）
ある確率（突然変異率）で、遺伝子コード上の遺伝子
（内容）をランダムに対立遺伝子に書き換える。
バイナリー表現
0110101 10100101 010100010 101010 10101010101010
0110101 10110101 010100010 101010 10101010101010
反転
3.1 56.7 5.4 2.0 23.912.3
実数表現
3.1 56.7＋0.3 5.4 2.0 23.912.3
+Δ
遺伝子に多様性を与える

このプロセスを何度もくり返すことでNPCの集合は進化します
①初期の個体集合を生成
②シミュレーション
④交叉による次世代生成
⑤遺伝子操作（突然変異）
個体集合
②評価
③適応度による選択
（ゲームでない場合は
このプロセスはなく、
いきなり遺伝子の適応度が
評価されることが多い）

しかし、これはＮＰＣの集団に
遺伝的アルゴリズムを組み込んだだけ
ＡＩとしての技術
ゲームシステムではない。

森川幸人,
「テレビゲームへの人工知能技術の利用」,
人工知能学会誌vol.14 No.2 1999-3
http://www.1101.com/morikawa/1999-04-10.html
に準拠します。
以下の解説は

（例）④アストロノーカ
最初はすぐに罠にかかるけどだんだんと罠にかからないようになる
新世代（５～世代後）最初の世代野菜
食べたい
世界最高峰の遺伝的アルゴリズムを使ったゲーム
（ＡＩをどうゲームに使うか、という手本のようなゲーム）
CEDEC2008 AI day ③講演２日目（３コマ目）

どういうゲーム？
珍しい野菜を育てる
しかしバブーが野菜を食べに来る
トラップを仕掛けて野菜を守れ！
高値で取引、そして野菜コンテストで優勝！

全体の流れ
http://www.muumuu.com/CEDEC2003_ants/CEDEC2003_ants.htm
森川幸人, 赤尾容子, 「アリの知恵はゲームを救えるか？」,CEDEC2003

４－① 初期の個体集合を生成
個体を多数（GAにはある程度の母数が必要）用意し、
各NPCに遺伝子コードを設定し、初期値を設定する。
５６ｘ８＝４４８ビット
遺伝子身長耐性_快光線腕力脚力耐性_かかし体重
1.87 6.85 16.25 25.03 25.03 16.25 6.85 1.87
0 1 2 3 4 5 6 7
[各ビットの重み]
[バブーの属性（総計５６）]

４－②シミュレーションとNPCの評価
トラップを奥へと通り抜けることができるほど、
評価点が高くなる。
適応度＝成績＋ＴＢ時間*0.3＋エンジョイ*0.5＋トラップ点＋安全点＋ＨＰ*0.5
要した時間トラップに対する耐性

（例）アストロノーカ
アストロノーカ

第２期③ニューラルネットワークと遺伝的アルゴリズム
高度な技術を理解でき調整できる人間でなければならない
（極めて稀）。
プレイヤー
ＡＩの成長を楽しむ。

個々のアルゴリズムや構造的なＡＩ（第２期）
包括的なアーキテクチャへ
キャラクターＡＩのためのフレームワークを構築する。

環境
FSMなど
構造化された
知性
限定された
情報の獲得
ボーン
構造を
持つ身体

環境
FSMなど
構造化された
知性
ボーン
構造を
持つ身体
限定された
情報の獲得
エージェント・アーキテクチャ
全体を包括する共通の基盤システムを作りましょう！

エージェントとは？
① 環境に対して情報を集める感覚（センサー）を持つ
② 自ら判断する能力を持つ。
③ 環境に対して働きかけることができる能力を持つ。
自ら判断して感覚を持ち世界に働きかける
能力を持つ
！

ゲームにおけるエージェント
ゲーム世界
身体を通じて
ゲーム世界と相互にインタラクション
感覚を通じて
ゲーム世界と自分の状態を取得

エージェント・アーキテクチャーにおける情報の流れ
ＮＰＣ
ゲーム世界
感覚を通じて
ゲーム世界と自分の状態を取得
身体を通じて
ゲーム世界と相互にインタラクション
この情報の流れに仕掛けをしてみよう！
「人工知能＝からくり」
作り方を勉強しよう！

エージェント・アーキテクチャ
身体
認識
過程
意思決定
機構
行動生成
過程
一時記憶(Working Memory)
内部状態
センサーエフェクター
ＮＰＣの知能部分
ゲーム世界
知識表現・世界表現・アフォーダンス
相互作用
時間
時間
記憶と思考の相互作用
ＮＰＣから見た認識
知識モデル化
(ゲーム世界の特徴を抽出したデータのこと)
知覚する行動する
事前記憶

Halo
 内容：宇宙船や地表を舞台にしたＳＦのＦＰＳ
 開発元： BUNGIE Studio
 出版: Microsoft
 Hardware: Xbox, Windows, Mac
 出版年：２００２年
Xbox, 全米、世界を代表するＦＰＳの一つ( Halo 500万本 Halo2 700万国内10万本）
「愛嬌のあるＮＰＣ」とその演出で、プレイヤーからの定評を得る。
Halo

Halo NPCの課題
プレイヤーから見て意図の明確なＮＰＣを作る
ちょこまかと
動き回る。
愛嬌がある。
グラントジャッカルエリート
手堅い。大型。
人間
敵（コグナント）味方
普通の人間。
状況解析

Halo NPCのＡＩのアーキテクチャー
身体
状況
解析
意思決定
ロジック
モーション
コントロール
感情（演出にのみ使用）
記憶センサー
ゲーム世界
相互作用
時間
時間
モーション
「敵発見」
「味方志望」
「ダメージ受けた」
「プレイヤー発砲」
などイベントを抽出

Halo AI のアーキテクチャー
イベント
「敵発見」
「味方志望」
状況解析

Halo AI の意志決定部分
イベント
敵の情報
チャージ, 退却, 隠れる場所探す
グレネードを投げる、車に入る、死体を確認
単純なロジックで１ページ未満の
簡単なコードからなる。傾向としては、
「グラントはすぐ逃げる。」「エリートは傷つくと隠れ
「ジャッカルはシールドを持つ。」
各振る舞いはトリガーを持つ
トリガーによって、振る舞いはお互い競合する
意思決定
ロジック
モーション
コントロール
位置取り
ＦＳＭ
ＦＳＭ
レベルデザイナーの仕事①

Halo AI のアーキテクチャー
「敵発見」
「味方志望」
状況解析
演出（セリフ）

Halo AI の特徴
身体
状況
解析
意思決定
ロジック
モーション
コントロール
感情
記憶
ゲーム世界
相互作用
① イベントに反応
② キャラクターの個性に応じたアクション
③ セリフの選択・発話
 状況解析
 意思決定ロジック
 感情とイベント
技術
効果
Halo のポイント
はっきりしたイベントを抽出し、
そのイベントに対する反応した行動をさせ、
キャラクターの感情を分かりやすく表現する。
＝プレイヤーに対して「明確な意図」を持つＡＩを演出する
企画の発想
何をプレイヤーにアピール（演出）したいか？
プログラマーの発想
世界の事象に敏感に反応させる仕組みを作る

F.E.A.R
内容：閉鎖空間の中のホラーＦＰＳ
開発元： Monolith Production
出版: SIERRA
Hardware: Windows, PS3
出版年： 2004年
FPSとホラーを, 映画的な演出によって結びつけたエポックメーキングな名作。
長年発展させて来たＡＩ技術の本領が発揮され、開発者、プレイヤーから高い支持を集める。

F.E.A.R NPCの課題
何をするべきか、を自分で見つける。
見つけた目的を、如何にするべきか、を自分で考える。
動き回るが攻撃しない。
ラットアサシン
壁や天井を這う
人間
敵
普通の人間。
（Ｃ４アーキテクチャー＋ゴール指向プランニング）
学術的な成果（Ｃ４アーキテクチャー）を、
どう実際のゲームに応用しているか見てみよう！

F.E.A.R NPCのＡＩのアーキテクチャー
身体
認識
過程
ゴール指向
プランニング
行動生成
過程
Working Memoryセンサー
ゲーム世界
相互作用
時間
時間
モーション
ブラックボード
シンボル
統一事実形式

プランニングとは？
初期状態ゴール行動１行動２行動３行動４
基本概念：初期状態ゴールプラナー
プラナー

のどは
かわい
てないよ
アクションプランニングの例
初期状態ゴール
のどが
かわいた
あなたは何ができるの？
移動する水を飲む
プラナー
移動する
行動(アクション)によるプランニング＝アクションプランニング
水を飲む

プランニングにおける行動の表現
水のある場所
へ行く
水のある場所を
知っている
水を手にとること
が出来る
水を飲む
ができる
のどが
乾いていない
振る舞い
前提条件
効果
前提条件＝その行動を実行するために必要な条件
効果＝その行動を起こしたことによる効果
連鎖による方法
F.E.A.Rでは、前提条件、効果をシンボルで記述する。

のどは
かわい
てないよ
連鎖によるプランニング
初期状態
ゴール
のどが
かわいた
水のある場所
へ行く
知っている
が出来る
水を飲む
ができる
のどが
乾いていない
知っている
喉が
かわいている
プラナー
知っている
喉が
かわいていない
連鎖
アクションのプール

プランの分岐

鎖による方法
期条件による
ンの分岐

プランニング説明終了

F.E.A.Rのプランニング① シンボル
kTargetAtme = ture
この兵士Ｂは自分を狙っているkTargetIsDead = ture
この兵士Ａは死んだ
kWeaponIsLoaded = false
私Ｃの武器は装填済みでない

F.E.A.Rのプランニング① シンボル
シンボル
エージェントの認識する世界をもっとシンプルに表現したい
各エージェントについて（Agent-centric）
このシンボルをプランニングへ
kSymbol_AtNode
どのノードにいるか
kSymbol_TargetIs
AimingAtMe
どのノードにいるか
kSymbol_
WeaponArmed
武装しているか
kSymbol_
WeaponLoaded
装填されているか
kSymbol_Target
IsSuppressed
威嚇されているか
kSymbol_
UsingObject
オブジェクトを
使っているか？
kSymbol_
TargetIsDead
死んでいるか
kSymbol_
RidingVehicle
乗り物に乗っているか
kSymbol_AtNodeType
どんなタイプのノードにいるか
２０個のシンボルで世界を集約して表現する

F.E.A.R.のプランニング②
シンボルによる連鎖プランニング
ターゲットＡが
死んでいる
ターゲットＡが
死んでいる
攻撃
武器が装填
されている
武器が装填
されている
装填する
武器を
持っている
武器を
持っている
武器を拾う
条件なし
プラナー
プランニング

F.E.A.R NPCのＡＩのアーキテクチャー
身体
認識
過程
ゴール指向
プランニング
行動生成
過程
記憶
センサー
ゲーム世界
相互作用
時間
時間
モーション
ブラックボード
ゲーム世界
 プランニング
 事実表現
① 目的を自分で決定する。
② 目的を遂行する方法を状況に応じて作成する。
F.E.A.R .のポイント
C4 アーキテクチャーの基本の上にプランニング技術を組む込む
＝状況を認識して、目的を選択して計画を立てるＡＩ
企画の発想
単一の行動でなく、一つなぎの行動のシークエンスを
指定できる時代になったのだ（これからのＡＩ）
プログラマーの発想
プランニングの実装技術を身につける（これからのゲームＡＩの最大の武器）。

個々のアルゴリズムや構造的なＡＩ（第２期）
包括的なアーキテクチャへ
キャラクターＡＩのためのフレームワークを構築する。
人間らしいＡＩを構築することができる。
プレイヤー
対当な相手として対峙する。（しかし、人には及ばない）

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 の事例を見てみましょう。

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.

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行く。
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.
より具体的なアルゴリズム

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。

メタAIが作用を行う領域
メタＡＩが作用（敵の生成・
消滅）を行う領域を、
AAS（= Active Area Set）と
言います。

メタAIが作用を行う領域
(AAS=Active Area Set)

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
トレースし予測します。
- どこへ来るか
- どこが背面になるか
- どこに向かうか

AAS に対して行うこと。
メタＡＩはプレイヤー群の移動に伴い、
その周囲（ＡＡＳ）に敵の群れを
生成・消滅させたりします。

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）
はできません。

敵出現領域
背後前方
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ます。

モンスター・アイテム出現頻度
敵の種類、アイテムの種類ごとに出現頻度が違いますが、頻度に応じて発生させます。
高頻度
低頻度
Wandereｒs (高頻度)
Mobs(中頻度)
Special Infected (中頻度)
Bosses (低頻度)
Weapon Caches (低頻度)
Scavenge Items (中頻度)

ボス出現アルゴリズム
(1) Ｎ体を予想される逃走経路上に配置
(2) ３つの出現イベントパターン
（何もいない、を含む）
（例） Tank, Witch, 何もいない
(3) 同じパターンのくり返しは禁止
(例) Witch, 何もいない、Witch はＯＫ。
Witch, Witch はだめ。
何もいない
Tank Witch Witch Tank Witch Tank

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。

まとめ
メタＡＩは、ゲームの流れを動的に作るＡＩで、キャラクターＡＩ，イベントなどに
は、命令だけを出します。これは明確に、メタＡＩと他のモジュールが独立し
た関係にあるから可能なことです。

まとめ
メタAIを入れ替えるだけで、ゲームコンテンツが入れ替えることができま
す。メタAIという軽い部分だけを配信することでコンテンツを入れ替えるこ
とが可能になります。

参考文献
(1) Michael Booth, "Replayable Cooperative Game Design: Left
4 Dead," Game Developer's Conference, March 2009.
(2) Michael Booth, "The AI Systems of Left 4 Dead," Artificial
Intelligence and Interactive Digital Entertainment Conference
at Stanford.
(3) 三宅陽一郎, “メタAI”,「デジタルゲームの技術」
P.186-190, ソフトバンククリエイティブ

考察
①キャラクターＡＩの技術は、パターンからアルゴリズム、
構造化を経てアーキテクチャとして体系化されるように
なった。
②キャラクターＡＩの発展はユーザーに常に新しいゲー
ム体験を提供して来た。
③ゲームにおけるＡＩの果たす役割は、単なる攻略対象か
ら、より多様な役割を果たすように変化して来た。

(I) 参考文献（日本語）
（１）「ＦＳＭ」「プランニング」「評価値法」など、
ゲームＡＩの基礎技術については、
オライリー・ジャパン
「実例で学ぶゲームＡＩプログラミング」
（Mat Buckland著、松田晃一訳）
の解説が優れています。
ソースコードはＷＥＢ
http://www.wordware.com/files/ai/
できれば原書で読みましょう！

(I)参考文献（日本語）
（２）
①「世界表現」「プランニング」については、ＩＧＤＡ日本のＨＰの
「ダウンロード」から、三宅が書いた第１，２、５，６回セミナーの教科書、
ＣＥＤＥＣ２００６の資料がＤＬできます。
http://blogai.igda.jp/article/66585525.html
② ディジタルコンテンツ協会
デジタルコンテンツ制作の先端技術応用に関する調査研究報告書（第３章）
http://www.dcaj.org/report/2007/ix1_07.html
(PDFファイルがダウンロード出来ます。)
③ 人工知能学会誌 Vol. 23 No. 1 (2008 年 1 月 ) 「ゲームＡＩ特集」
「ディジタルゲームにおける人工知能技術の応用」（三宅）
④ 人工知能学会誌 Vol. 30 No. 1 (2015 年 1 月 ) 「ゲームＡＩ特集」
「ディジタルゲームにおける人工知能技術の応用ディジタルゲームにおける
人工知能技術の応用の現在」（三宅）
http://id.nii.ac.jp/1004/00000517/

(II)参考文献（英語）
WEB
Mat Buckland
ai-junkie http://www.ai-junkie.com/ai-junkie.html
Craig Raynolds
RAYNOLDS http://www.red3d.com/
リンク集 http://www.red3d.com/cwr/games/
Steven Rabin
GameAI http://www.gameai.com/
CGF-AI
CGF-AI http://www.cgf-ai.com/
リンク集 http://www.cgf-ai.com/links.html

書籍
AI Game Programming Wisdom 1 - 4
ゲーム開発者、研究者による、
それぞれのタイトルの実装例、研究成果

Game AI 知識の集積
2000 2006 2010
知識の集積
AI Game Programming Wisdom
20. Precomputed Pathfinding for Large and Detailed Worlds on MMO Servers (Fabien Gravot, Takanori Yokoyama, Youichiro Miyake)

Game AI 知識の集積
2000 2006 2010
知識の集積
AI Game Programming Wisdom

- ゲームAIの実例紹介・技術紹介
- 開発インタビュー
- 論文紹介
- カンファレンス資料 (GDC AI Tutorial, Paris
Game AI Conference ) が掲載
-非常に重要な情報源
-登録が必要（無料）
-有料会員記事と無料会員記事がある。
-Alex Champandard が主催
（研究者からゲーム産業へ。
産業と学術を繋ぐ人物）
AI Game Dev.COM

- ゲームAI業界の産業カンファレンス
- パリ・ウィーンなど欧州で開催。
- 主催は、 AIGameDev.Com
- 資料は AIGameDev.Com で公開
- 学生も多い。やはり欧州などが中心
- GDC と並んで、AI Programmers Guild も深く
関わっているが、学術との交流も志向。
Game AI Conference
Artificial Intelligence for Creative Applications http://nucl.ai/

デジタルゲームAIの歴史
2000 2006 2010
発表を通して、
ゲームAIの知識が
蓄積される。
（年に２～３個の良い発表）
いろいろな
企業がAIに力を入れ始める
（米が中心）
ラウンドテーブル、
AI Programmers Dinner、
など、なんとなくコミュニティが
形成される。
知識が集積する
競って発表する
ゲームエンジンの中に
取り込まれつつある

書籍
John Ahlquist, Jeannie Novak
Game Development Essentials: Game Artificial Intelligence
欧米のゲームＡＩの歴史から
最先端までがわかりやすく、
解説されています。
文科系の方も理科系の方も
読んで楽しめる本です。

Acknowledgment
ご清聴ありがとうございました。
ご質問などは、こちらまでお寄せください。
https://www.facebook.com/youichiro.miyake
http://www.slideshare.net/youichiromiyake
y.m.4160@gmail.com

ゲームAI製作のためのワークショップ（I）

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to ゲームAI製作のためのワークショップ（I）

Similar to ゲームAI製作のためのワークショップ（I） (20)

More from Youichiro Miyake

More from Youichiro Miyake (20)

ゲームAI製作のためのワークショップ（I）