1 Game Developement Wstęp do systemów AIMichał Drobot Visual Technical Director Paweł Weder Lead Game Designer Reality Pump

2 Plan wykładu AI – nauka a praktyka Znaczenie i zastosowanie w grachPodstawowe techniki AI Podstawy budowy systemów AI Praktyczne zastosowania na podstawie TW: The Temptation

3 AI – nauka a praktyka Nauka dąży do maksymalnego odwzorowania poprawności opisu matematycznego rzeczywistości Często mało wydajne rozwiązania Na obecnym etapie nie istnieje system będący w stanie udawać człowieka w kompleksowym środowisku gry Produkcja AI do gier kładzie nacisk na Tworzenie percepcyjnie poprawnego AI Wydajność oraz skalowalność systemu

4 AI – nauka a praktyka AI w grach stanowi połączenieRozwiązań naukowych Przeskalowanych pod względem wydajności oraz skali do świata gier Rozwiązań proceduralnych Rozwiązań odgórnych (skrypty itp..)

5 Znaczenie i zastosowanieW przeciągu ostatniej dekady doszło do rewolucji graficznej oraz gameplay’owej AI jedynie ewoluowało, często jednak pozostając na podobnym poziomie Pierwsze AI do FPP miały 20 linii kodu Obecnie zdarza się, że AI stoi na podobnym poziomie

6 Znaczenie i zastosowanieSytuacja wynikła z Braku wsparcia oraz istnienia konkretnej platformy Brak SDK jak w środowiskach graficznych Stosunkowo duży nacisk lobby graficznego Małe zainteresowanie graczy Brak zasobów pamięciowych oraz wydajnościowych

7 Znaczenie i zastosowanieObecnie coraz większy nacisk na rozwój AI Często ważny element gameplay’u Wizualizacje efektownych zjawisk wymagają systemów AI Zarządzanie tłumem Bitwy Symulacje miejskie Zaawansowane systemu cząteczkowe

8 Znaczenie i zastosowanieZaawansowane metody AI w grach F.E.A.R Zaawansowane AI oparte na FSM, Fuzzy Logic oraz pamięci udającej system uczący FORZA 2 Sieci neuronowe dokonujące korekt skrętów podczas przejazdu samochodów przez tor Spore Proceduralne AI grup oraz animacji szkieletowej

9 Znaczenie i zastosowanieZaczyna pojawiać się middleware Xaitement Kompletny system wraz z narzędziami do obsługi hierarchicznych FSM, Fuzzy Logic, Path Planning, Crowd control, Procedural Behaviour Euphoria System animacji proceduralno-behawioralnej oparty na biomechanice i reakcjach natychmiastowych żywych organizmów

10 Znaczenie i zastosowanieWystarczająca moc obliczeniowa GPU Obliczenia równoległe na dużych zbiorach danych Flocking Steering Particles Multithreading Możliwość desygnacji pojedynczego wątku / CPU na stałe dla obliczeń AI

11 Podstawowe techniki AIFSM Autonomous agents Steering behaviours Flocking behaviours Graph search Path planning Fuzzy logic

12 Podstawowe techniki AIFSM

13 Podstawowe techniki AIAutonomous agents

14 Podstawowe techniki AISteering behaviours

15 Podstawowe techniki AIFlocking behaviours

16 Podstawowe techniki AIGraph search

17 Podstawowe techniki AIPath planning

18 Podstawowe techniki AIFuzzy logic

19 Podstawy systemów AI System decyzyjny Rodzaje rozwiązańDecyzje strategiczne Decyzje taktyczne Reaktywność agentów Realizm systemu Gatunek

20 Podstawy systemów AI Nawigacja systemy gridowe pola stanówmapy grafowe siatki nawigacyjne

21 Podsumowanie For more information contact me [email protected]Slides, whitepaper and code will be available at Drobot.org

22 Questions ?