AI được thực hiện phổ biến nhất trong các trò chơi phổ biến như thế nào?

Tôi không phải là gamedev, tôi chỉ là một lập trình viên tò mò của các trò chơi không. Tôi tự hỏi, làm thế nào AI hoạt động trong các trò chơi hiện đại phổ biến, nói, FPS? Có dựa trên các quy tắc mã hóa cứng? Nó có bao nhiêu điểm chung với các loại AI khác (như loại có sức mạnh ô tô tự trị, v.v.)? Làm thế nào để các nhà phát triển đảm bảo AI cư xử tự nhiên và vui vẻ khi chơi?

Những thứ tôi đã đề cập đến các dẫn xuất khác nhau của MinMax nhưng không trả lời được AI xử lý thế giới liên tục, có thể thay đổi như thế nào, vì những hành động / trạng thái mà AI được khen thưởng và cách nó tìm ra cơ hội thành công cho những hành động khác nhau. Tôi cũng đã thấy Machine Learning được đề cập ở đây và ở đó nhưng có vẻ như nó không được sử dụng trong bất kỳ trò chơi nghiêm túc nào?

Có nhiều phương pháp. Tôi sẽ trả lời cho FPS vì mỗi thể loại có một bộ vấn đề riêng và cách tiếp cận AI phụ thuộc rất nhiều vào miền vấn đề và cách thể hiện tốt nhất.

Các cách tiếp cận FPS phổ biến bao gồm:

• quy tắc mã hóa cứng (có thể tương đương logic với bất kỳ điều nào sau đây)
• máy nhà nước hữu hạn
• máy trạng thái hữu hạn phân cấp
• cây hành vi
• cây quyết định
• lập kế hoạch hành động theo mục tiêu

Và hoán vị khác nhau và các biến thể trên.

Minimax thường không được sử dụng cho các trò chơi có trạng thái liên tục như FPS, nhiều hơn cho các trò chơi theo lượt trong các không gian trò chơi riêng biệt như Cờ vua, v.v. Nó có thể được sử dụng để lập kế hoạch ở cấp độ cao, nhưng nói chung không phải vì có hệ thống tốt hơn (nghĩa là . ở trên) khi phải đối mặt với nhiều kẻ thù, thông tin không đầy đủ, nhưng kế hoạch đơn giản.

Họ đảm bảo AI là niềm vui bằng cách chơi. Nếu quá khó khăn, họ có thể đưa ra lỗi vào bất kỳ quyết định nào, hoặc trì hoãn phản ứng của họ hoặc áp dụng một yếu tố ngẫu nhiên cho mục tiêu của họ, v.v. Nếu không đủ thách thức, họ sẽ chỉ cần cải thiện dữ liệu được cung cấp cho thuật toán .

Có nhiều bài viết về cách thức hoạt động của các AI khác nhau, cái mà tôi quen thuộc nhất là FEAR

Hai phương pháp phổ biến hơn

Tìm kiếm UCT. Có một hình thức, nhưng về cơ bản, ý tưởng là thực hiện một trò chơi ngẫu nhiên cho đến khi trò chơi kết thúc, với phản hồi để cân nhắc các trò chơi chiến thắng nặng nề hơn là thua. Điều hay ho về hình thức thuần túy của điều này là AI không cần kiến ​​thức về những gì có thể là một động thái tốt hơn hoặc tồi tệ hơn.

Tìm kiếm Minmax, thường được kết hợp với cắt tỉa cây alpha-beta, về cơ bản thực hiện tìm kiếm hoàn chỉnh không gian trò chơi đến một độ sâu nào đó, đánh giá mọi nút thiết bị đầu cuối bằng một bộ đánh giá tĩnh gán giá trị số. Điều này hoạt động tốt cho các trò chơi có số liệu rõ ràng đo lường sự tiến bộ để giành chiến thắng.