Pobierz prezentację
Pobieranie prezentacji. Proszę czekać
1
Game Developement Wstęp do systemów AI
Michał Drobot Visual Technical Director Paweł Weder Lead Game Designer Reality Pump
2
Plan wykładu AI – nauka a praktyka Znaczenie i zastosowanie w grach
Podstawowe 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 połączenie
Rozwiązań naukowych Przeskalowanych pod względem wydajności oraz skali do świata gier Rozwiązań proceduralnych Rozwiązań odgórnych (skrypty itp..)
5
Znaczenie i zastosowanie
W 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 zastosowanie
Sytuacja 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 zastosowanie
Obecnie 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 zastosowanie
Zaawansowane 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 zastosowanie
Zaczyna 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 zastosowanie
Wystarczająca 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 AI
FSM Autonomous agents Steering behaviours Flocking behaviours Graph search Path planning Fuzzy logic
12
Podstawowe techniki AI
FSM
13
Podstawowe techniki AI
Autonomous agents
14
Podstawowe techniki AI
Steering behaviours
15
Podstawowe techniki AI
Flocking behaviours
16
Podstawowe techniki AI
Graph search
17
Podstawowe techniki AI
Path planning
18
Podstawowe techniki AI
Fuzzy logic
19
Podstawy systemów AI System decyzyjny Rodzaje rozwiązań
Decyzje strategiczne Decyzje taktyczne Reaktywność agentów Realizm systemu Gatunek
20
Podstawy systemów AI Nawigacja systemy gridowe pola stanów
mapy grafowe siatki nawigacyjne
21
Podsumowanie For more information contact me hello@drobot.org
Slides, whitepaper and code will be available at Drobot.org
22
Questions ?
Podobne prezentacje
© 2024 SlidePlayer.pl Inc.
All rights reserved.