ДалееСледующее руководство
Как писать видеосценарии YouTube с помощью ИИ
Приложения
РУКОВОДСТВО ПО ПРИМЕНЕНИЮ
ИИ в поведении NPC в видеоиграх
Игровой ИИ управляет неигровыми персонажами (NPC), поэтому они правдоподобно перемещаются, сражаются и реагируют.
Прослушайте это руководствоОзвучено ИИ · ~2 min
На этой странице2 минуты чтения
Обзор
Он сочетает в себе старые методы, такие как конечные автоматы, с новыми генеративными моделями, которые позволяют персонажам говорить и импровизировать.
Глубокое погружение
Поведение NPC — одна из старейших областей прикладного ИИ, но большая часть «игрового ИИ» вообще не является машинным обучением. Классические враги используют конечные автоматы (бездействие, патрулирование, погоня, атака) и деревья поведения, которые дизайнеры вручную создают для предсказуемого и настраиваемого развлечения. Поиск пути опирается на алгоритм A* для навигации по картам. Яркими примерами являются целенаправленное планирование действий (GOAP) в F.E.A.R., которое заставляло солдат фланговать и координировать свои действия, а также многоуровневые системы поведения в серии Halo. Игровой ИИ часто намеренно «тупой», чтобы он казался справедливым и победимым, а не безжалостно оптимальным. Совсем недавно студии экспериментировали с большими языковыми моделями для обеспечения динамического диалога, позволяя неигровым персонажам реагировать на открытую речь игрока вместо фиксированных деревьев диалогов, как это видно в технических демонстрациях от NVIDIA и Ubisoft.
Реальная реализация
Солдаты F.E.A.R. используют целенаправленное планирование действий для флангов, укрытий и координации атак.
Враги серии Halo отступают, перегруппировываются и реагируют на гранаты с помощью многоуровневых систем поведения.
* Поиск пути, позволяющий NPC в бесчисленных играх обходить препятствия, чтобы добраться до игрока.
Демонстрации NVIDIA ACE и Ubisoft с использованием LLM, позволяющие NPC вести разговоры с игроками без сценария
Будущее искусственного интеллекта в поведении NPC в видеоиграх
NPC, управляемые LLM, обещают по-настоящему открытые разговоры и новые личности, но сталкиваются с препятствиями: задержкой, стоимостью, галлюцинаторными знаниями и риском нарушения тщательно написанных повествований. Ожидайте гибридов, в которых дизайнеры ограничивают генеративные модели ограждениями и базами данных знаний. Обучение с подкреплением может создать более адаптивных противников, в то время как небольшие модели на устройстве сохраняют отзывчивость и конфиденциальность диалога. Задача ремесла по-прежнему заключается в том, чтобы сделать NPC интересными, а не просто умными.
Применение на практике
Почему это важно
- Выбор сборки. Проектирование на уровне приложения определяет, улучшит ли ИИ реальные результаты.
- Команда и рабочий процесс. Хорошая интеграция рабочих процессов обеспечивает повышение производительности, которому пользователи могут доверять.
- Риски и безопасность. Хорошо продуманные варианты использования снижают усталость от изменений и риск внедрения.
Следите за
- Автоматизация сломанного процесса может усугубить существующие проблемы.
- Команды могут чрезмерно автоматизировать и исключить необходимое человеческое суждение.
- Качество может ухудшиться, если результаты не будут оцениваться постоянно.
Следующие шаги
- Составьте карту текущего рабочего процесса и определите этап, вызывающий наибольшие затруднения.
- Определите человеческие контрольно-пропускные пункты перед полной автоматизацией.
- Обучайте пользователей подсказкам, путям эскалации и стандартам качества.
- Отслеживайте результаты на уровне задач, чтобы подтвердить устойчивую ценность.
Продолжайте исследовать
Бесплатная рассылка
Получайте ежедневный AI-обзор
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Take the AI in Video Game NPC Behavior quiz
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
Часто задаваемые вопросы
Что такое ИИ в поведении NPC в видеоиграх?
Игровой ИИ управляет неигровыми персонажами (NPC), поэтому они правдоподобно перемещаются, сражаются и реагируют. Он сочетает в себе старые методы, такие как конечные автоматы, с новыми генеративными моделями, которые позволяют персонажам говорить и импровизировать.
Какой метод чаще всего используется для поиска пути NPC в играх?
A* — это классический алгоритм поиска пути, использующий фактическую стоимость плюс эвристическую оценку для поиска эффективных маршрутов в навигационной сетке.
На чем построена большая часть традиционной логики врагов NPC?
В большинстве классических игр дизайнеры вручную создают конечные автоматы и деревья поведения для предсказуемого и настраиваемого поведения, а не машинного обучения.
Игра F.E.A.R. какой техникой ИИ славится?
Солдаты F.E.A.R. использовали GOAP, планируя последовательность действий на основе целей во время выполнения, что обеспечивало впечатляюще тактическое и скоординированное поведение.
Почему игровой ИИ часто намеренно делается не совсем оптимальным?
Дизайнеры настраивают ИИ так, чтобы он был веселым и справедливым; играть против совершенно оптимального противника обычно будет неприятно и неприятно.
В чем заключается основной риск использования больших языковых моделей для ведения диалога с NPC?
LLM могут изобретать неправильную информацию или говорить вещи, противоречащие истории, а также такие проблемы, как задержка и стоимость, поэтому необходимы ограждения.
Продолжайте учиться
Связанные руководства
Другие руководства, выбранные по этой теме