CODE FES 2017 講演資料（後篇）
•
2 likes•962 views
CODE FES 2017 https://www.recruit-jinji.jp/recruitment/code_fes/index.html の講演資料です。（後ろ篇）
Recommended
More Related Content
What's hot
What's hot (20)
Similar to CODE FES 2017 講演資料（後篇）
Similar to CODE FES 2017 講演資料（後篇） (20)
More from Youichiro Miyake
More from Youichiro Miyake (20)
Recently uploaded
Recently uploaded (20)
CODE FES 2017 講演資料（後篇）
- 2. 目次 • 第一章 人工知能の作り方 • 第二章 ソフトウェアの構造 • 第三章 人工知能へ • 第四章 知識構造 • 第五章 ナビゲーションAI • 第六章 メタAI ゲーム全体の思考 • 第七章 思考 • 第八章 キャラクターAI（学習） • 第九章 プロシージャル技術（自動生成技術） • 第十章 思考の構造
- 7. レベル 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 キャラクターに指示 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 ©2016 SQUARE ENIX CO., LTD. All Rights Reserved.
- 8. メタＡＩ ©2016 SQUARE ENIX CO., LTD. All Rights Reserved.
- 9. メタＡＩの歴史 1980 1990 メタＡＩというのは、ゲームそのものに埋め込まれたＡＩ。 1980 1990 2000 古典的メタAI 現代のメタＡＩ キャラクターＡＩ技術の発展
- 11. （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 －
- 13. 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。
- 14. 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
- 15. 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
- 16. 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
- 17. メタAIが作用を行う領域 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html メタＡＩが作用（敵の生成・ 消滅）を行う領域を、 AAS（= Active Area Set） と 言う。
- 18. 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
- 19. 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
- 20. 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
- 21. 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
- 22. 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
- 23. 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。
- 24. 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うが、頻度に応じて発生させる。 高頻度 低頻度 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 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)
- 25. 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 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html Tank Witch Witch Tank Witch Tank
- 26. 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
- 29. 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. http://www.valvesoftware.com/publications.html (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
- 32. 目次 • 第一章 人工知能の作り方 • 第二章 ソフトウェアの構造 • 第三章 人工知能へ • 第四章 知識構造 • 第五章 ナビゲーションAI • 第六章 メタAI ゲーム全体の思考 • 第七章 思考 • 第八章 思考の構造
- 33. 第七章 思考
- 34. 意思決定モデル ステート（状態）ベースAI ゴール（目標）ベースAI ルール（規則）ベースAI ビヘイビア（振る舞い）ベースAI ユーティリティ（効用）ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI 「○○-based AI」とは、○○をAIを構築する基本単位（アトミック）として採用したＡＩということ。 タスク（仕事）ベース AI Task-based AI リアクティブ 非リアクティブ 意思決定 シミュレーションベース AI Simulation-based AI 実際の静物の意思決定というものは非常に高度で複雑なプロセス。 いくつかの簡易モデルが存在する。
- 35. ルールベース意思決定 Rule-based decision making ステート（状態）ベースAI ゴール（目標）ベースAI ルール（規則）ベースAI ビヘイビア（振る舞い）ベースAI ユーティリティ（効用）ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI タスク（仕事）ベース AI Task-based AI シミュレーションベース AI Simulation-based AI
- 36. ステートベース意思決定 State-based decision making ステート（状態）ベースAI ゴール（目標）ベースAI ビヘイビア（振る舞い）ベースAI ユーティリティ（効用）ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI タスク（仕事）ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール（規則）ベースAI
- 37. ゴールベース意思決定 Goal-based decision making ステート（状態）ベースAI ゴール（目標）ベースAI ビヘイビア（振る舞い）ベースAI ユーティリティ（効用）ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI タスク（仕事）ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール（規則）ベースAI
- 38. ユーティリティベース意思決定 Utility-based decision making ステート（状態）ベースAI ゴール（目標）ベースAI ビヘイビア（振る舞い）ベースAI ユーティリティ（効用）ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI タスク（仕事）ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール（規則）ベースAI
- 39. ゴールベースAI (Goal-Based AI) ゴール（目標）を単位として構築する方法 ゴール・ファースト＝まずゴールを決める。 しかるのちにゴールを達成するための行動をデザインする。 ゴール ゴールを達成するために 必要なことを考える思考 行動
- 42. F.E.A.R.におけるゴール指向プランニング Genre：Horror FPS Developer： Monolith Production Publisher : SIERRA Hardware: Windows Year： 2004 Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt
- 43. 統一事実記述形式 統一事実記述形式 場所 方向 感覚 オブジェクト 情報取得時刻 未公開 場所 (位置、信頼度) 方向（方向、信頼度） 感覚のレベル（感覚の種類、信頼度） オブジェクト（ハンドル、信頼度） 情報取得時刻 キャラクター 事件 欲求任務 パスオブジェクト 全て以下の形式（フォーマット）で記述する。 ノード 全部で本当は１６個の属性がある Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt
- 44. 自分の記憶領域に認識した事実を蓄積する Worlking Memory Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt
- 45. プランニングのための知識 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） 上記のシンボルは、対象とするエージェントについての情報。 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 Jeff Orkin, “3 States and a Plan: The AI of F.E.A.R.", http://web.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.zip
- 46. 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 Jeff Orkin, “3 States and a Plan: The AI of F.E.A.R.", http://web.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.zip
- 50. 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
- 54. 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
- 57. クロムハウンズにおける リアルタイムゴール指向型プランニング 通信塔を 占領する Seek Shot Walk Stop 戦略 戦術、振る舞い 操作 ハウンズ 敵が 来 た！ パスに沿って 移動する 通信塔を 見つける パスを見つける 通信塔 へ行く 通信塔 を占拠 通信塔の 周囲に １0秒間いる 敵と戦う 撃つ 歩く 止まる ロボット 身体
- 59. ゴール指向型AIの開発工程 歩く 撃つ 止まる ２点間を移動 前進しながら戦う 攻撃するパスをたどる 敵を叩く 味方を 守る 操作層 振る舞い層 戦術層 戦略層 通信塔 占拠 その場で静止 周囲を監視 しつつ待機 ゲーム テスト （８０回） 問題点を パターンと して抽出 （パターンランゲージによる漸近的成長） 仕様UMLProgram
- 60. ゴール指向型プログラム構造 （入れ子構造） Class Goal クリア条件 ＋ Activate() Process() Terminate() Class Goal クリア条件 ＋ Activate() Process() Terminate() Class Goal クリア条件 ＋ Activate() Process() Terminate() Class Goal クリア条件 ＋ Activate() Process() Terminate() Activate … 初期セッティング Process … アクティブな間の行動Terminate … 終 了処理 （関数の内容を全てスクリプトで記述） プログラマーのための実装工程 インスタンス インスタンス
- 61. 最終的なゴール総合図 歩く 撃つ 止まる ２点間を 移動 歩く、一度 止まる、歩く 攻撃 する パスを たどる 敵を叩く 味方を 守る 操作層 振る舞い層 戦術層 戦略層 通信塔 占拠 静止 する ある地点へ 行く 本拠地 防衛 敵本拠地 破壊 味方を 助ける 巡回 する 敵基地 偵察 近付く 合流 する 巡回 する 逃げる 後退 する 前進 する 敵側面 へ移動
- 62. ビヘイビアベース意思決定 Behavior-based decision making ステート（状態）ベースAI ゴール（目標）ベースAI ビヘイビア（振る舞い）ベースAI ユーティリティ（効用）ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI タスク（仕事）ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール（規則）ベースAI
- 79. シミュレーションベース意思決定 Simulation-based decision making ステート（状態）ベースAI ゴール（目標）ベースAI ビヘイビア（振る舞い）ベースAI ユーティリティ（効用）ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI タスク（仕事）ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール（規則）ベースAI
- 80. シミュレーション・ベース • シミュレーションは、ここではエージェントの想 像のこと。 • 問題を定式化できない場合、実際に頭の中 で動かしてみることを意味する。 • ゲームの場合は、実際にゲームのルール・原 理に従って運動させてみる。
- 83. Warfarmeにおける壁面移動 Daniel Brewer, “The Living AI in Warframe’s Procedural Space Ships” (Game AI Conference 2014) ※登録が必要なサイトです http://archives.nucl.ai/recording/the-living-ai-in-warframes-procedural-space-ships/ プレイヤー AI プレイヤーが「ジャンプ・壁面走り・ジャンプ」したデータから 学習して、AIがそのデータをもとに同じ動きをする。 ジャンプ 壁面走り ジャンプ http://piposozai.blog76 http://dear-croa.d.dooo.jp/download/illust.html
- 85. Armored Core V における空中移動 岡村 信幸 のパス検索 https://cedil.cesa.or.jp/cedil_sessions/view/593 START GOAL
- 86. Armored Core V における空中移動 岡村 信幸 のパス検索 https://cedil.cesa.or.jp/cedil_sessions/view/593 START GOAL
- 87. Armored Core V における空中移動 岡村 信幸 のパス検索 https://cedil.cesa.or.jp/cedil_sessions/view/593 START GOAL 動的計画法によるパス検索
- 88. タスクベース意思決定 Task-based decision making ステート（状態）ベースAI ゴール（目標）ベースAI ビヘイビア（振る舞い）ベースAI ユーティリティ（効用）ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI タスク（仕事）ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール（規則）ベースAI
- 91. 回復薬を作る方法 • 赤、青、緑を一色づつ集める。 • 緑、赤、緑の順番に集める。 • 青二つと赤一つ。ただし、赤の前に青を集め ないといけない。
- 93. 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
- 95. 回復薬を運ぶ • 場所を持ってきて、荷物を載せて、戦場へ運ぶ。 • 荷物に載せるには、宝箱に入れて載せる必要がある。 • 宝箱には札をつけておく必要がある。
- 97. 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）
- 99. Game AI Conference, Paris, June 2009
- 100. Game AI Conference, Paris, June 2009
- 101. Game AI Conference, Paris, June 2009 Killzone 2 / PS3 • Max 32 players • Team-based game modes • Multiple game modes on one map • Players unlock / mix “badge abilities” • Offline (1 human player & bots) • Online (human players & bots)
- 102. Game AI Conference, Paris, June 2009 Badges • Scout: Cloak, Spot-and-Mark • Tactician: Spawn Area, Air Support • Assault: Boost • Engineer: Sentry Turret, Repair • Medic: Heal, Med packs • Saboteur: Disguise, C4
- 103. 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/
- 104. Killzone 2 Screen On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
- 107. Game AI Conference, Paris, June 2009
- 111. Game AI Conference, Paris, June 2009
- 112. Game AI Conference, Paris, June 2009
- 113. Paris Game AI Conference, 2009.
- 114. Paris Game AI Conference, 2009.
- 115. Ⓒ2014 SQUARE ENIX CO., LTD. All Rights Reserved. 部隊長のエージェント・アーキテクチャ 司令官から の命令 各兵士から の報告 情報 統合 World State HTN プランナー 計画 タスク 実行機 各メンバー への命令 知能内部 メモリ領域 実行モジュール
- 116. 銃で攻撃 ロケットで攻撃 銃で攻撃 ロケットで 攻撃 敵がヒューマノイド 射程距離内 敵はヒューマノイドでも砲台でもない 射程距離内 武器を選択して攻撃 （タスク） 装填 攻撃 終了 装填 攻撃 終了
- 118. かがみながら近づく 行動する （タスク） 治療プランスタート 治療を周囲に通達 車 防御 ターゲットを選択 治療器具を使用する 徒歩前進 治療 行動 中止 継続 開始 治療 器具変更なし 器具変更あり メソッド適用 メソッド適用 メソッド適用 メソッド適用
- 119. HTN (Hierarchical Task Network) Precondition Task Precondition Task On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
- 120. HTN (Hierarchical Task Network) 各AIの思考 On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
- 121. TaskList TaskList 分岐リスト 分岐リスト 分岐(Branch) 分岐(Branch) On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
- 122. On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
- 123. 目次 • 第一章 人工知能の作り方 • 第二章 ソフトウェアの構造 • 第三章 人工知能へ • 第四章 知識構造 • 第五章 ナビゲーションAI • 第六章 メタAI ゲーム全体の思考 • 第七章 思考 • 第八章 キャラクターAI（学習） • 第九章 プロシージャル技術（自動生成技術） • 第十章 思考の構造
- 124. 第八章 キャラクターAI（学習）
- 126. 世界 五感 身体 言語 知識表 現型 知識 生成 Knowledg e Making 意思決定 Decision Making 身体 運動 生成 Motion Making インフォメーション・フロー（情報回廊） 記憶 キャラクターにおける学習の原理 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. 行動の表現結果の表現 意思決定
- 127. 世界 / データ群 （Undefined） センサー エフェクター インフォメーション・フロー 結果 方針 学習用・循環アーキテクチャ 行動
- 128. キャラクターにおける様々な学習・進化 (1) ニューラルネットワークの応用 (2) 機械学習の応用 (3) 強化学習の応用 (4) 遺伝的アルゴリズムの応用 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved.
- 129. キャラクターにおける様々な学習・進化 (1) ニューラルネットワークの応用 (2) 機械学習の応用 (3) 強化学習の応用 (4) 遺伝的アルゴリズムの応用 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved.
- 130. Neural Networks in Supreme Commander 2 (GDC 2012) Michael Robbins (Gas Powered Games) http://www.gdcvault.com/play/1015406/Off-the-Beaten-Path-Non http://www.gdcvault.com/play/1015667/Off-the-Beaten-Path-Non ニューラルネットワークの応用
- 131. Neural Networks in Supreme Commander 2 (GDC 2012) Michael Robbins (Gas Powered Games) http://www.gdcvault.com/play/1015406/Off-the-Beaten-Path-Non http://www.gdcvault.com/play/1015667/Off-the-Beaten-Path-Non ニューラルネットワークの応用
- 132. Neural Networks in Supreme Commander 2 (GDC 2012) Michael Robbins (Gas Powered Games) http://www.gdcvault.com/play/1015406/Off-the-Beaten-Path-Non http://www.gdcvault.com/play/1015667/Off-the-Beaten-Path-Non ニューラルネットワークの応用
- 133. ニューラルネットワークの応用 Black & White （Lionhead,2000） クリーチャーを育てていくゲーム。 クリーチャーは自律的に行動するが、 訓練によって学習させることができる。 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. http://www.youtube.com/watch?v=2t9ULyYGN-s http://www.lionhead.com/games/black-white/
- 134. Belief – Desire – Intention モデル ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. Desire (Perceptrons) Opinions (Decision Trees) Beliefs (Attribute List) Richard Evans, “Varieties of Learning”, 11.2, AI Programming Wisdom Low Energy Source =0.2 Weight =0.8 Value = Source*Weight = 0.16 Tasty Food Source =0.4 Weight =0.2 Value = Source*Weight = 0.08 Unhappines s Source =0.7 Weight =0.2 Value = Source*Weight = 0.14 ∑ 0.16+0.08+0.14 Threshold （0～1の値に 変換） hunger Desire（お腹すいた度）欲求を決定する 対象を決定する それぞれの対象の 固有の情報 他にも いろいろな 欲求を計算 Hunger Compassion Attack（戦いたい） Help ニューラルネットワークの応用 Black & White （Lionhead,2000）
- 135. キャラクターにおける様々な学習・進化 (1) ニューラルネットワークの応用 (2) 機械学習の応用 (3) 強化学習の応用 (4) 遺伝的アルゴリズムの応用 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved.
- 136. 機械学習 （例）FORZA MOTORSPORT におけるドライビング学習 Ralf Herbrich, Thore Graepel, Joaquin Quiñonero Candela Applied Games Group,Microsoft Research Cambridge "Forza, Halo, Xbox Live The Magic of Research in Microsoft Products" http://research.microsoft.com/en-us/projects/drivatar/ukstudentday.pptx レーシングラインを事前に構築する。生成というよりテーブルから組み合わせる。
- 137. 機械学習 （例）FORZA MOTORSPORT におけるドライビング学習 Ralf Herbrich, Thore Graepel, Joaquin Quiñonero Candela Applied Games Group,Microsoft Research Cambridge "Forza, Halo, Xbox Live The Magic of Research in Microsoft Products" http://research.microsoft.com/en-us/projects/drivatar/ukstudentday.pptx レーシングラインに沿わせるのではなく、理想とする位置とスピードから コントローラーの制御を計算して、物理制御によって車を運転する。
- 138. キャラクターにおける様々な学習・進化 (1) ニューラルネットワークの応用 (2) 機械学習の応用 (3) 強化学習の応用 (4) 遺伝的アルゴリズムの応用 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved.
- 139. 世界 五感 身体 言語 知識表 現型 知識 生成 Knowledg e Making 意思決定 Decision Making 身体 運動 生成 Motion Making インフォメーション・フロー（情報回廊） 記憶 キャラクターにおける学習の原理 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. 行動の表現結果の表現 意思決定
- 141. 強化学習 （例）格闘ゲームTaoFeng におけるキャラクター学習 Ralf Herbrich, Thore Graepel, Joaquin Quiñonero Candela Applied Games Group,Microsoft Research Cambridge "Forza, Halo, Xbox Live The Magic of Research in Microsoft Products" http://research.microsoft.com/en-us/projects/drivatar/ukstudentday.pptx Microsoft Research Playing Machines: Machine Learning Applications in Computer Games http://research.microsoft.com/en-us/projects/mlgames2008/ Video Games and Artificial Intelligence http://research.microsoft.com/en-us/projects/ijcaiigames/
- 142. キャラクターにおける様々な学習・進化 (1) ニューラルネットワークの応用 (2) 機械学習の応用 (3) 強化学習の応用 (4) 遺伝的アルゴリズムの応用 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved.
- 143. 遺伝的アルゴリズムの応用 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. 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 1つの世代が次の世代を交配によって産み出す
- 144. 遺伝的アルゴリズムの仕組み ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. 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
- 145. （例）① GA Racer ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. 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 たどり着けないが… 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）
- 146. 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.ai-gakkai.or.jp/jsai/whatsai/PDF/article-iapp-7.pdf http://www.1101.com/morikawa/1999-04-10.html に準拠します。 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. 以下の解説は 詳細は以下の資料へ
- 147. （例）④アストロノーカ ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. 最初はすぐに罠にかかるが、 だんだんと罠にかからないようになる MuuMuu, PlayStation®用ソフト「アストロノーカ」（Enix, 1998） http://dlgames.square-enix.com/jp/psga/2008/astronoka/ http://www.muumuu.com/product.html 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）
- 148. 全体の流れ ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. トラップを配置する １日の始まり トラップバトル開始 トラップバトル終了 トラップ成績算出 各個体の成績算出 順位を決定 下位２体を削除 適応度に応じて親を選択 子供２体を生成 新しい世代を生成 規定世代に達した？ １日の終了 世代交代数を修正 突然変異率を修正
- 149. ４－① 初期の個体集合を生成 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. 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）]
- 150. ゲームシステムとしての工夫 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. 全体の適応度の平均値 １日の適応度の伸び 世代交代数 工夫その① 遺伝的アルゴリズムは集団に対するアルゴリズム 一体のトラップバトルの裏で他の２０体も同じトラップバトルをして、 全体として世代交代をさせている。 工夫その② 遺伝的アルゴリズムは進化のスピードがプレイヤーに体感させるには遅い プレイヤーには「１世代の変化」と言っているが、 実はだいたい１日５世代分進化させている。 工夫その③ プレイヤーから見て 毎日、同じ適応度の 上昇になるように、 世代交代数を調整してい る
- 151. 目次 • 第一章 人工知能の作り方 • 第二章 ソフトウェアの構造 • 第三章 人工知能へ • 第四章 知識構造 • 第五章 ナビゲーションAI • 第六章 メタAI ゲーム全体の思考 • 第七章 思考 • 第八章 キャラクターAI（学習） • 第九章 プロシージャル技術（自動生成技術） • 第十章 思考の構造
- 153. プロシージャル技術 ゲームAI技術 AI技術 プロシージャル 技術 コンテンツ自動生成技術 （PCG, Procedural Contents Generation ）
- 154. Rogue (1980)のダンジョン生成法 Rect[0] Rect[0] Rect[1] Rect[0] Rect[1] Rect[2] Rect[3] このようにアセット（ゲームのデータ）をツールなどを通して製作するのではなく、 プログラムで作ることを「プロシージャル・コンテンツ・ジェネレーション」（PCG）と言う。 http://racanhack.sourceforge.jp/rhdoc/intromaze.html
- 156. 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
- 157. 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
- 158. 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
- 159. 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
- 161. NO MAN’S SKY (Hello Games, 2016) http://www.no-mans-sky.com/ 宇宙、星系、太陽系、惑星を自動生成する。
- 162. FarCry2 (Dunia Engine ) デモ 草原自動生成 時間システム 樹木自動生成 動的天候システム 動的天候システム http://www.farcry2-hq.com/downloads,18,dunia-engine-nr1.htm
- 163. 世界 / データ群 （Undefined） センサー エフェクター インフォメーション・フロー 結果 方針 ゲーム生成アーキテクチャ 行動 思考生成
- 164. 目次 • 第一章 人工知能の作り方 • 第二章 ソフトウェアの構造 • 第三章 人工知能へ • 第四章 知識構造 • 第五章 ナビゲーションAI • 第六章 メタAI ゲーム全体の思考 • 第七章 思考 • 第八章 キャラクターAI（学習） • 第九章 プロシージャル技術（自動生成技術） • 第十章 思考の構造
- 168. 知識 思考 知識 思考 知識 思考 メタ思考 メタ思考アーキテクチャ
- 170. 世界 / データ群 （Undefined） センサー エフェクター インフォメーション・フロー 結果 方針 ゲーム生成アーキテクチャ 行動 思考生成
- 171. 思考の構造 • 階層型 • メタ思考型 • コンポジット型 • 連結型アーキテクチャ
- 172. 思考の構造 • 階層型 • メタ思考型 • コンポジット型 • 連結型アーキテクチャ 静的な思考 動的に生成される思考
- 176. 知識 思考 知識 思考 知識 思考 メタ思考 メタ思考アーキテクチャ 動的（リアルタイム）に生成
- 178. 世界 / データ群 （Undefined） センサー エフェクター インフォメーション・フロー 結果 方針 学習用・循環アーキテクチャ 行動 動的（リアルタイム）に変更
- 179. 世界 / データ群 （Undefined） センサー エフェクター インフォメーション・フロー 結果 方針 ゲーム生成アーキテクチャ 行動 思考生成 動的（リアルタイム）に生成
- 180. 思考の構造 • 階層型 • メタ思考型 • コンポジット型 • 連結型アーキテクチャ 静的な思考 動的に生成される思考
- 181. 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)
- 182. スクリプト Scripted AI から自律型ＡＩ、生成型AI 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) 知識 その場で 思考 生成 生成的AI (Generative AI)