МОДЕЛЮВАННЯ ПОВЕДІНКИ НЕІГРОВИХ ПЕРСОНАЖІВ НА ОСНОВІ ШТУЧНОГО ІНТЕЛЕКТУ
DOI:
https://doi.org/10.32782/mathematical-modelling/2022-5-1-11Ключові слова:
розробка ігор, неігрові персонажі, моделювання поведінки, штучний інтелект, дерева поведінки, пошук найкоротшого шляхуАнотація
Комп'ютерні та відео-ігри – один з найбільших сегментів індустрії розваг, який стрімко розвивається у останні роки. Навіть пандемія пішла на користь цій галузі. Різноманіття ігор вражає, користувачі бажають отримувати якісний різноманітний контент, важливою частиною якого є неігрові персонажі. Неігровий персонаж – це персонаж, керований програмою або майстром. Неігрові персонажі (доброзичливі або ворожі до гравця) слугують важливим засобом створення ігрової атмосфери, вони мотивують гравців робити ті чи інші дії, є основним джерелом інформації про ігровий світ та сюжет гри. Моделювання дій неігрових персонажів є важливою задачею при розробці ігор для покращення якості гри та більшого задоволення гравців. В сучасній розробці ігор для вирішення цієї задачі використовують алгоритми штучного інтелекту (ШІ), в тому числі машинне навчання, наприклад, для створення «розумних» ботів, які будуть боротися із гравцем. Ігровий ШІ не здатний на мислення чи творчість, його дії зумовлені розробниками, він підлаштовується під ситуацію та змінює поведінку залежно від контексту. Основними підходами у розробці поведінки неігрових персонажів є створення на фундаменті базових концепцій ШІ власних рішень для моделювання поведінки персонажів. Дана робота присвячена моделюванню поведінки неігрових персонажів з використанням алгоритмів штучного інтелекту, зокрема дерева поведінки та алгоритму А* пошуку. Дерево поведінки дозволяє неігровому персонажу приймати рішення в залежності від стану середовища та реагувати на його зміни. Переміщення є важливою частиною поведінки неігрових персонажів, які найчастіше некеровані гравцем, але часто логіка гри вимагає переміщення найкоротшим маршрутом задля динаміки гри. Проведена інтеграція змодельованої поведінки у вже існуючі вільні моделі ігрового рушія Unity, доведена коректна робота пошуку найкоротшого шляху за алгоритмом А*, враховуючи різні кейси оточуючого середовища та самого персонажу, а також працездатність системи навігації між сценами. Розроблені моделі поведінки можна у подальшому або інтегрувати у вже існуючі моделі, або використати при створенні нових ігор та персонажів.
Посилання
Google for Games. Beyond 2021: Where does gaming go next? Режим доступу:[https://games.withgoogle.com/reports/beyondreport/]
Batchelor J. GamesIndustry.biz presents… The Year In Numbers 2022. https://www.gamesindustry.biz/gamesindustrybiz-presents-the-year-in-numbers-2022.
Як знайти роботу в геймдеві під час війни? Історії українських спеціалістів, 2022. Режим доступу: [https://gamedev.dou.ua/articles/how-to-get-a-job-in-gamedev-during-the-war-1/?from=recent]
Richter S.R., AlHaija H.A., Koltun V. Enhancing Photorealism Enhancement. arXiv:2105.04619 2021. https://doi.org/10.48550/arXiv.2105.04619.
Максим Маковский. Як штучний інтелект може трансформувати робочий процес 3D-художників у геймдеві. 2022. Режим доступу: [ https://gamedev.dou.ua/blogs/ai-for-3D-artistsin-gamedev/]
GANverse3D Extension. Режим доступу: [https://docs.omniverse.nvidia.com/prod-_extensions/prod_extensions/ext_ganverse3d.html]
Noor S., Julian T., Mark J. N. Procedural Content Generation in Games: A Textbook and an Overview of Current Research. Springer. ISBN 978-3-319-42714-0. 237p.
Harbuzova A. Яка користь штучного інтелекту у розробці… 2021. Режим доступу: [https://gamedev.dou.ua/articles/wargaming-developer-about-creating-ai-for-games/]
Behaviour Trees. Режим доступу: [https://learn.unity.com/project/behaviour-trees]
Heineman G.T., Pollice G., Selkow S. Algorithms in a Nutshell. Second Edition. Beijing, Boston, Farnham, Sebastopol, Tokyo. O'Reilly Media, Inc. 2016. 390p.
Singhal A. A* Algorithm Example in AI. Gate Vidyalay. Режим доступу: [https://www.gatevidyalay.com/a-algorithm-a-algorithm-example-in-ai/]