遊戲的AI設計？

[exeex (人非腎鹹)]

各位大大好

我是研究深度學習的研究生
不過研究領域跟遊戲AI沒啥關

但我滿喜歡打電腦遊戲的，打FPS，Dota類的，或如文明帝國，三國志這種戰棋類的。桌遊方面也打過不少，也自己設計過桌遊。

我打遊戲都是M屬性的，會跑去挑戰高難度AI

但通常電腦遊戲的高難度AI就是把AI的資源量調更高，但還是一樣笨。這種AI實在無法滿足我。

我最近看到Unity有出Unity Machine Learning Agents，想要空閒的時候玩看看

不知道板上有沒有人用過？


-----
Sent from JPTT on my Xiaomi Redmi Note 4.

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.72.64.17
※ 文章網址: https://www.ptt.cc/bbs/GameDesign/M.1541751399.A.D2D.html
推 wix3000: 一般來說，普通遊戲的AI跟目前正熱門的AI是不同概念
推 cjcat2266: 我主要做的是遊戲AI，其實大部分時候比較偏設計，要跟
→ cjcat2266: 設計師密切合作，做出不是最聰明、但是會讓人覺得好玩
→ cjcat2266: 的掰咖NPC，跟學術AI和”現在最熱門的AI技術”不一定
→ cjcat2266: 路線重合
推 cjcat2266: Machine learning agent的話，我還沒碰到會需要它的use
→ cjcat2266:  case，所以實作上還沒沾上邊。Machine learning不只可
→ cjcat2266: 用在高階NPC行為，像是locomotion這種跟動畫比較相關
→ cjcat2266: 的技術，最近也常被討論，可以找找看phase-functioned
→ cjcat2266:  motion matching，蠻有趣的！
推 cjcat2266: Ubisoft算是第一間把motion matching用在商用遊戲工作
→ cjcat2266: 室(For Honor)，不過不是machine leaning的版本。Bungi
→ cjcat2266: e更早雇用了motion matching原始paper作者要實作到Halo
→ cjcat2266:  Reach中，不過因為當時硬體跑不起來作罷
推 dklassic: 老實說畢竟遊戲 AI 就是要讓玩家打爆的，花很多時間訓練
→ dklassic: 出一個近似真人的 AI 可能比起用幾個 State 寫出來的 AI
→ dklassic:  玩起來不會比較有趣，開發速度也不會比較快 XD
→ exeex: 樓上說的這個我知道，強的AI其實很吃計算資源，開發起來吃
→ exeex: 力不討好，又不一定比較好玩。
→ exeex: 我是想說現在技術也不斷推陳出新，會不會有比較厲害的東西
→ exeex: 出現XD
推 Anodare: 只有稍微玩過，可以快速解決一些簡單不複雜的狀況，githu
→ Anodare: b上的頁面有教學~
推 cjcat2266: 有新的技術不一定會被用，還是以設計為優先，有時候很
→ cjcat2266: 厲害又好玩的遊戲AI其實是很基本的技術，加上很厲害的
→ cjcat2266: 設計混出來的
推 ddavid: 遊戲相關的AI研究其實還是蠻不少的，但可能不是你想的樣子
→ ddavid: 有些遊戲使用的AI技術是在尋路、編隊、NPC或開放世界行為
→ ddavid: ，真正用在敵人對抗行動計算的反而未必很多，因為做太聰明
→ ddavid: 未必會好玩XD
推 jugu: 反過來「為ml而ml」去設計配套的遊戲系統或許是有趣的方向？
推 newyellow: 哇賽 cjcat 太專業了吧!!
推 rhox: 要做出很強的AI很簡單，要做出很好玩的AI很難
推 madturtle: 之前有想過用ml模擬玩家行為來分擔部分QA
推 leofalcon: ML日後在遊戲的應用應該不會是NPC AI，而是偏工具
→ leofalcon: 比方說花草樹木產生器之類的
→ leofalcon: NPC AI上，設計師無法微調的系統實務上沒有用處啊
推 cjcat2266: 的確，所以motion marxhing除錯上往往蠻憑直覺的，要從
→ cjcat2266: 角色動作問題視覺上，判斷需要補足什麼部分的動作資料
→ cjcat2266: 到動作庫中
→ cjcat2266: *matching
→ cjcat2266: 還好沒到看到錯誤要除錯卻一頭霧水的狀況
推 dklassic: 其實我現在在研究能不能用ML來學玩家行為邏輯，希望有
→ dklassic: 辦法幫助目前只能用統計手段或系統監控抓作弊的問題
→ dklassic: 在這種簡單邏輯準度不高的判定ML或許可能有很大的效用
→ Feis: 今年碰巧有去 TGDF 分享了一些工作，我倒覺得讓設計師可微調
→ Feis: 反而是比較簡單的。現在的主要瓶頸還是訓練時間跟金錢的成本
→ Feis: 微調的迭代速度拉不快的話，實務上很難進入製程
→ Feis: 尤其是要讓非 ML 專頁的遊戲設計師使用
→ Feis: 還需要提供適當的工具
推 Pony5566: dk說得很像vacnet
→ dklassic: 嗯，今年 GDC 才發現原來 Valve 從 2016 就在做了
推 poshboy: 推留言的討論
推 minimaker: 今年雷亞分享的做很久然後看起來要放棄的那款（也沒人
→ minimaker: 記得叫什麼）就說用ml做ai，但成果應該超差所以做到皇
→ minimaker: 室戰爭沒什麼人了還在train
推 LayerZ: "遊戲AI"是用來給玩家虐的，就像設計者出題給玩家破解
→ LayerZ: 其實單純想回外掛部份，之前看過的高等外掛有"掩飾"功能
→ LayerZ: 不會直接把準心甩到頭上，打完頭也會有準心晃動..ML能作到
→ LayerZ: 抓外掛就太好了(但是成本/收益是完全不相符的，估計沒人會
→ LayerZ: 去作
→ LayerZ: 隨機地圖生成應該也用得上
→ LayerZ: 如果真的要有效益的，大概是AI假玩家吧...
推 LayerZ: 目前的對戰類遊戲當紅，AI假玩家能補上很多的缺陷
→ LayerZ: 舉例第五人格好了，玩家連敗的時候就會遇到AI假玩家彌補玩
→ LayerZ: 家的自信
→ LayerZ: 而之前負責過的戰場，當玩家人數減少後，就會有排隊時間的
→ LayerZ: 問題，要拉大排隊區間就變成有遊戲體驗的問題，假AI能學
→ LayerZ: 習到有實戰能力大概就能解決吧，不過這塊是我比較不能想
→ LayerZ: 象的
→ LayerZ: 最後是大逃殺類，一次50人100人才能開一場，排隊時間還不
→ LayerZ: 能太久，認真，雖然50人裡面可能有25人會是上一場在10分
→ LayerZ: 鐘內淘汰下來的人，但還是可能會有排隊太長的問題
→ LayerZ: (看COD BlackOut常常在準備房排很久)，丟假AI進去給玩家虐
→ LayerZ: 玩家也不會發現是AI吧XD
→ LayerZ: 靠北，又回太長了...
→ LayerZ: AI不一定能學到跟真玩家一樣強，可能還很蠢，但是不要當
→ LayerZ: 隊友當敵人就會很爽，真的要高成本當隊友的...就再說吧XD
→ LayerZ: ML最大的功用，就是讓假玩家看起來不要那麼假?
推 Pony5566: https://www.youtube.com/watch?v=ObhK8lUfIlc
推 Feis: 要過遊戲版的圖靈測試也沒那麼簡單xD
→ Feis: 不過你怎麼知道你的對手/隊友不是 AI?
→ Feis: 亦或者，知道他們是 AI 為什麼就不好玩了？
推 goury: 推AI假玩家，這是目前想的到AI對商業模式上幫助最大的地方
→ goury: 為什麼知道對手是AI就不好玩？不是說不好玩，例如對殺類遊
→ goury: 戲，殺真人玩家跟殺電腦，對不少人而言，心理感受就有差
推 LayerZ: 知道他們是AI就不好玩了 <= 沒錯 但是假玩家跟AI是兩回事
→ LayerZ: AI假玩家能解決很多問題，而ML能補足假玩家的缺點
→ LayerZ: 問題有兩個：
→ LayerZ: 其1，你的AI需要強到什麼地步? 假如AI假玩家當隊友，當然
→ LayerZ: 太強太弱都會有問題，應該說我想不到沒問題的狀況..
→ LayerZ: 阿，我有點語無倫次了
→ LayerZ: 其2，在玩家心中期待的目標是什麼樣子，AI能不能滿足
→ LayerZ: 在大逃殺中，看到人就宰了拿裝，AI就是當人數不足時充當雜
→ LayerZ: 魚的功能，甚至還要加上假裝射不中不動目標，或是狙擊到第
→ LayerZ: 幾發才准擦到人的限制吧
→ LayerZ: 這時候玩家才不在意其他人是什麼樣子
→ LayerZ: 只要不要太過機械化就好
→ LayerZ: 回goury，所以沒辦法用在6v6這種平衡式對戰的狀況上，不管
→ LayerZ: 強或弱，敵人或隊友，都會不好玩
→ LayerZ: 但是像非平衡式對戰，或是大逃殺這種，由於本身就不是平衡
→ LayerZ: 對戰，玩家就不會期待這目標應該要有的樣子，而AI假玩家充
→ LayerZ: 數的反感就不會那麼大，能用ML讓AI假玩家多靈活點，甚至
→ LayerZ: 不會有人發現是AI假玩家吧XDD
→ LayerZ: 玩家只會覺得，幹這人超蠢超爛
→ Feis: https://www.youtube.com/watch?v=2EN7LvhJQ7s&t=2982s
→ Feis: 我們這邊嘗試的一些經驗結論給大家參考
推 leofalcon: ML沒辦法作AI假玩家 實務上目前主流是BT
推 leofalcon: Game AI領域不存在撒尿牛丸 根據需求選擇最適當的系統
→ leofalcon: 才是正解
推 leofalcon: 後來想到 要說絕對不能做有點武斷 應該說能用的遊戲類
→ leofalcon: 型非常有限 目前爲止有實作的都是tabletop類型遊戲移
→ leofalcon: 植到電子版
噓 trylovetom: 遊戲是為了好玩，你想想李世石跟阿法狗對戰就知道，一
→ trylovetom: 點都不好玩。
推 ManInBlack: 我想想我跟李世石對戰好像也不太好玩(?)