AI - IGDA日本

Report
第7回内部観測研究会
デジタルゲームの人工知能における
内部観測の生成と外部観測の派生について
三宅 陽一郎
y.m.4160@gmail.com
http://www.facebook.com/youichiro.miyake
twitter: @miyayou
2013.3.3
感謝と自己紹介
•
高橋先生、脇坂先生、ありがとうございます。
•
1975年生まれ
•
自己紹介
2004-2011
AI Programmer (FROM SOFTWARE)
2011-Present Lead AI Researcher (SQUARE ENIX)
2007-Present
2008-Present
2011-Present
•
国際ゲーム開発者協会 日本支部 SIG-AI チェア( IGDA JAPAN SIG-AI)
日本デジタルゲーム学会(DiGRA JAPAN)研究委員
CEDEC (日本ゲームカンファレンス)委員
所属学会
人工知能学会、AAAI, IEEE CIS, ACM, 日本デジタルゲーム学会(DiGRA JAPAN)
情報処理学会 EC研究会 委員→アドバイザー(何もしなかった)
ACM マルティメディア国際学会 委員(何もしなかった)
情報処理学会 AIコンテスト SamurAI Coding 委員 (これから頑張ります)
IEEE WCCI 2014 (Computational Intelligence 国際会議) 委員 (これから頑張ります)
経済産業省 DCEXPO 委員(ちょっと頑張った)
学歴?
京都大学(数学)
大阪大学(原子核実験物理)
東京大学
(エネルギー工学/人工知能)
高エネルギー加速器研究所(半年ぐらい。修士論文)
http://www.facebook.com/youichiro.miyake
Works (2006-2012)
Chrome Hounds (2006)
Demon’s Souls (2009)
PokaPoka Airu Village (2011)
Armored Core V (2012)
AI for Game Titles
Books
At Beginning …
はじめに
(注)
• 通常、ゲームAIと言った場合、チェスや将棋
のようなボードゲーム上の人工知能のことを
指しますが、
• 本講演では、ゲームAIと言った場合には、ア
クションゲームや、RPG、ストラテジーゲームと
言った動的なゲームにおける人工知能を指し
ます。
Demo
• PACMAN
Demo
Halo AI Retrospective: 8 Years of Work on 30 Seconds of Fun
Author: Damian Isla (AI Engineering Lead)
http://www.bungie.net/Inside/publications.aspx
ゲームの歴史=ゲームの進化
ゲームの歴史はゲームの進化である。
ゲームの進化はゲームAIの進化を促す。
では、ゲームAIとは何でしょう?
ゲームAIの進化とは何でしょう?
(本日のテーマ)
ゲームを創作する
(ゲームはゲームを製作する者によって進化する)
ゲーム世界とAI
Game Mechanism
Game World
(= Environment = Game Stage = Level Design)
AI Character
(=NPC)
ゲーム世界とAI
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage
= Level Design)
プロシージャル技術(自動生成、自動制御)
(Auto-generation, Auto-Control)
AI Character
(=NPC)
キャラクター AI
(Brain)
ゲーム世界とAI
Game Mechanism
メタ AI
ゲームAIの扱う
Game World
(= Environment = Game Stage
= Level Design)
プロシージャル技術(自動生成、自動制御)
(Auto-generation, Auto-Control)
AI Character
キャラクター AI
(=NPC)
(Brain)
本講演のコンテンツ
第一章
第二章
第三章
第四章
第五章
ゲームAIの歴史
メタAI
エージェントモデル
プロシージャル技術
まとめ
The History of Game AI
第一章 ゲームAIの歴史
クラシックなキャラクターAIの作り方
このゲームのAIをどう作りますか?
http://nippondesign.co.jp/blog/files/2010/01/championship20lode20runner.jpg
クラシックなキャラクターAIの作り方
このゲームのAIをどう作りますか?
たぶんこう作りますね。
AI_Func{
if (自分からプレイヤーまでブロックがなければ) 前進。
else if(自分(AI)からプレイヤーへの方向で空いているブロックある)そこへ前進。
else 一番近い仲間の後を追う。
}
http://nippondesign.co.jp/blog/files/2010/01/championship20lode20runner.jpg
クラシックなキャラクターAIの作り方
このゲームのAIをどう作りますか?
たぶんこう作りますね。
これって何なのでしょうか?
AI_Func{
if (自分からプレイヤーまでブロックがなければ) 前進。
else if(自分(AI)からプレイヤーへの方向で空いているブロックある)そこへ前進。
else 一番近い仲間の後を追う。
}
http://nippondesign.co.jp/blog/files/2010/01/championship20lode20runner.jpg
クラシックなキャラクターAIの作り方
このゲームのAIをどう作りますか?
たぶんこう作りますね。
これって何なのでしょうか?
AI_Func{
if (自分からプレイヤーまでブロックがなければ) 前進。
else if(自分(AI)からプレイヤーへの方向で空いているブロックある)そこへ前進。
else 一番近い仲間の後を追う。
}
http://nippondesign.co.jp/blog/files/2010/01/championship20lode20runner.jpg
クラシックなキャラクターAIの作り方
このゲームのAIをどう作りますか?
たぶんこう作りますね。
これって何なのでしょうか?
AI_Func{
=これは、開発者が俯瞰視点から見たゲーム状態に対して、
if (自分からプレイヤーまでブロックがなければ) 前進。
キャラクターをコントロールしているのです。
else if(自分(AI)からプレイヤーへの方向で空いているブロックある)そこへ前進。
else 一番近い仲間の後を追う。
}
http://nippondesign.co.jp/blog/files/2010/01/championship20lode20runner.jpg
ゲーム
開発者
コントロール
キャラク
ター
あやつり人形?
http://blogs.yahoo.co.jp/zukou23/GALLERY/show_image.html?id=31188784&no=0
ゲーム
開発者
作成
プログラム
コントロール
キャラク
ター
あやつり人形をあやつる人形を作る
http://blogs.yahoo.co.jp/zukou23/GALLERY/show_image.html?id=31188784&no=0
クラシックなキャラクターAIの作り方
このゲームのAIをどう作りますか?
たぶんこう作りますね。
AI_Func{
if (自分からプレイヤーまでブロックがなければ) 前進。
else if(自分(AI)からプレイヤーへの方向で空いているブロックある)そこへ前進。
else 一番近い仲間の後を追う。
}
クラシックなキャラクターAIの作り方
このゲームのAIをどう作りますか?
たぶんこう作りますね。
AI_Func{
if (自分からプレイヤーまでブロックがなければ) 前進。
else if(自分(AI)からプレイヤーへの方向で空いているブロックある)そこへ前進。
else 一番近い仲間の後を追う。
}
古典的ゲームAIプログラミング
http://nippondesign.co.jp/blog/files/2010/01/championship20lode20runner.jpg
古典的ゲームAIプログラミングの特徴
• 1970年代~1990年代前半が最盛期
• キャラクターはゲームギミックの一つ。
• ゲーム全体の俯瞰的情報と、個々のキャラク
ターから見た情報を混在させて、それっぽい敵
の動きを構築する。
• 通称、お化け屋敷AI(三宅が命名)。
=極めて限定されたシチュエーションでしか
動作できない。
=世界も、自分自身をも認識していない。
ゲームの進化 – 3Dの世界へ –
http://assassinscreed.ubi.com
http://www.spore.com/
http://www.killzone.com
ゲームの進化 – 3Dの世界へ –
• ステージが本格的に3次元になることで、プレ
イヤーも人工知能も3次元世界の中で生きな
ければいけなくなった。
• しかし、例えば単純な3次元直方体の中にAI
を閉じ込めて、そこでだけ活躍する、という形
でお化け屋敷形式のAIは存続した(現在も多
い)。
• 問題は、どうやって3次元で賢いAIを作れる
か、ということ。
ゲームの進化 – 3Dの世界へ –
• 3次元の地形をきちんと認識して行動できる。
• 環境の中のオブジェクトの意味を理解して、
物を使うことができる。
• 多様な行動ができることを認識して、最も状
況に応じた行動を取ることができる。
古典的ゲームAIで組もうとすると、情報が爆発する。
= AIから見た世界(局所的世界)と、俯瞰的な世界(大局的世界)の
情報スケールが乖離した。 (古典的ゲームAIの限界)
→ 現代ゲームAIの転換。
Demo
• CounterStrike
古典から現代へ
メタAI (Meta-AI)
古典的ゲームAI
エージェントAI (Meta-AI
1994
古典から現代へ
メタAI (Meta-AI)
古典的ゲームAI
エージェントAI
現代のゲームAIのフレーム
1994
メタAIとエージェントAIへの分離と協調
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
AI Character
(=NPC)
キャラクター AI
(Brain)
メタAIは外側からダイナミックにゲームを構築する。
User World
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
AI Character
(=NPC)
キャラクター AI
メタAIは外側からダイナミックにゲームを構築する。
(Brain)
=メタAIはゲーム内で物理的実体を持たないが、
外側からゲーム内のあらゆる要素に干渉し、
ゲームを操作する。
=外側からの観測者。
User World
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
メタAIは外側からダイナミックにゲームを構築する。
=メタAIはゲーム内で物理的実体を持たないが、
AI Character
外側からゲーム内のあらゆる要素に干渉し、
(=NPC)
キャラクター AI
(Brain)
ゲームを操作する。
=外側からの観測者。
=ゲーム全体の動的変化、ストーリー生成、
難易度調整、コンテンツ生成。
User World
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
AI Character
(=NPC)
キャラクター AI
(Brain)
User World
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
AI Character
(=NPC)
キャラクター AI
(Brain)
キャラクターAIは内側からダイナミックにゲームを構築する
User World
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
キャラクターAIは内側からダイナミックにゲームを構築する
=センサー(感覚)を通して世界の情報を得て、
AI Character
(=NPC)
キャラクター AI
エフェクター(身体)を通してゲーム世界内で運動する。
(Brain)
=内部観測者。
User Space
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
キャラクターAIは内側からダイナミックにゲームを構築する
=センサー(感覚)を通して世界の情報を得て、
AI Character
(=NPC)
キャラクター AI
エフェクター(身体)を通してゲーム世界内で運動する。
(Brain)
=内部観測者。
=キャラクターとしての動作、演技、など。
User Space
本講演のコンテンツ
第一章
第二章
第三章
第四章
第五章
ゲームAIの歴史
メタAI
エージェントモデル
プロシージャル技術
まとめ
Meta-AI
第二章 メタAI
(22) メタAI
ゲームAIの二つの種類
キャラクターAI
キャラクターの頭脳(意志決定機構)
ゲームAI
メタAI
ゲーム全体を俯瞰する頭脳
メタAIの歴史
1980
1990
2000
古典的メタAI
キャラクターAI技術の発展
現代のメタAI
(例)「ゼビウス」 敵出現テーブル巻き戻し
敵0
敵1
敵2
敵3
敵4
敵5
遠藤雅伸氏 あと面白い機能なんですけれど、 ゼビウスには非常に簡単なAIが組み込まれてい
ます。「プレイヤーがどれくらいの腕か」というのを判断して、 出てくる敵が強くなるんです。
強いと思った相手には強い敵が出てきて、 弱いと思った相手には弱い敵が出てきます。 そういっ
たプログラムが組み込まれています。 ゲームの難易度というのは「初心者には難しくて、上級者
には簡単だ」ということが、 ひとつの難易度で(調整を)やっていくと起きてしまうので、 その辺を何
とか改善したいな、ということでそういったことを始めてみたのですけれど、 お陰で割合にあまり上
手くない人でも比較的長くプレイできる、 うまい人でも最後のほうに行くまで結構ドラマチックに楽
しめる、 そういった感じになっています。 - ゼビウスセミナー -
http://spitfire.client.jp/shooting/xevious2.html
セルフゲームコントールシステム
• 岩谷氏: ファンと一般のユーザーを満足させる方法のひと
つは人工知能AIのような考え方です。プレーヤースキルをプ
ログラム側から判断して、難易度を調整していくというもので
す。これを私はセルフゲームコントロールシステムと呼んで
10年以上前から開発に使っています。
http://game.watch.impress.co.jp/docs/20050312/gdc_int.htm
古典から現代へ
メタAI (Meta-AI)
古典的ゲームAI
古典的メタAI
単純エージェント
エージェントAI (Meta-AI
1994
現代のメタAI
より積極的にゲームに干渉する。
メタAI
敵配位
敵スパウニング
ユーザー
ストーリー
レベル
動的生成
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and
Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
適応型動的ペーシング
[基本的発想]
(1) ユーザーがリラックスいている時に、ユーザーの
緊張度が一定の敷居を超えるまで敵をぶつけ
続ける。
(2) ユーザーの緊張度が一定の緊張度を超えると
敵を引き上げる。
(3) リラックスすると敵を出現し始める((1)へ)。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and
Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
メタAI(=AI Director)によるユーザーのリラックス度に応じた敵出現度
計算によって
求められた
理想的な敵出現数
ユーザーの緊張度
実際の敵出現数
(1) リラックスを破るように敵を出現させる。
Build Up …プレイヤーの緊張度が目標値を超えるまで
敵を出現させ続ける。
Sustain Peak … 緊張度のピークを3-5秒維持するために、
敵の数を維持する。
Peak Fade … 敵の数を最小限へ減少して行く。
Relax … プレイヤーたちが安全な領域へ行くまで、30-45秒間、
敵の出現を最小限に維持する。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
メタAIがゲームを認識する方法
= キャラクターAIが環境を認識する方法
キャラクター用に作成された
ナビゲーションメッシュを
メタAIがゲームの進行を認識する
ために使用する。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
メタAIが作用を行う領域
(AAS=Active Area Set)
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
メタAIが作用を行う領域
(AAS=Active Area Set)
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
メタAIが作用を行う領域
(AAS=Active Area Set)
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
安全な領域までの道のり(Flow Distance)
プレイヤー群の経路をトレース・予測
- どこへ来るか
- どこが背面になるか
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
AAS に対して行うこと。
メタAIは AAS に移動に伴い、
敵の群れを生成・消滅させたりする。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
プレイヤーからの可視領域
可視領域では、例えば、敵の
スパウニング(発生)などはできない。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
敵出現領域
背後
前方
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
高頻度
敵の種類、アイテムの種類ごとに出現頻度が違う。
低頻度
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
ボス出現アルゴリズム
(1) N体を予想される逃走経路上に配置
(2) 3つのイベントパターン
(何もいない、を含む)
(例) Tank, Witch, 何もいない
(3) 同じパターンのくり返しは禁止
(例) Witch, 何もいない、Witch はOK。
Witch, Witch はだめ。
何もいない
具体的なアルゴリズム
(1) 各エリアに、出現数 N を決定する
(2) 出現数Nは予想される逃走経路の長さと
要求される密度によって計算される.
(3) あるエリアがAAS の中に入るとクリー
チャーがN体生成される
(4) そのエリアがAAS の外に出ると生成が中
止され、クリーチャーは消滅される。
(5) Nはそのエリアがプレイヤーから見えてい
る場合、或いは、プレイヤーがリラックス
モードの場合には、強制的に0になる。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
まとめ
メタAIを入れ替えるだけで、ゲームコンテンツが入れ替わる。メタAIという軽い部分だけを
配信することでコンテンツを入れ替えることができる。
参考文献
(1) Michael Booth, "Replayable Cooperative Game Design: Left
4 Dead," Game Developer's Conference, March 2009.
(2) Michael Booth, "The AI Systems of Left 4 Dead," Artificial
Intelligence and Interactive Digital Entertainment Conference
at Stanford.
http://www.valvesoftware.com/publications.html
(3) 三宅 陽一郎, “メタAI”, 「デジタルゲームの技術」
P.186-190, ソフトバンク クリエイティブ
古典から現代へ
メタAI (Meta-AI)
古典的ゲームAI
エージェントAI (Meta-AI
現代のゲームAIのフレーム
メタAIとエージェントAIへの分離と協調
=キャラクターAIの発展によって、メタAIは
1994
大局的な視点から最小限の命令をするだけで、
局所的にはキャラクターAIが自律的に動く。
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
プロシージャル技術(自動生成、自動制御)
(Auto-generation, Auto-Control)
AI Character
(=NPC)
キャラクター AI
(Brain)
User World
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
プロシージャル技術
(Auto-generation, Auto-Control)
AI Character
(=NPC)
キャラクター AI
(Brain)
User World
本講演のコンテンツ
第一章
第二章
第三章
第四章
第五章
ゲームAIの歴史
メタAI
エージェントモデル
プロシージャル技術
まとめ
Agent Model
第三章 エージェントモデル
Agent Architecture
AI
Recognition
(Knowledge
Making)
Sensor
Decision
Making
Motion
Making
Memory
Effecter
Game World
Agent Architecture
AI
Recognitio
Sensor
Decision
Making
Motion
Making
Memory
Effecter
Game World
Agent Architecture
AI
Recognitio
Sensor
Decision
Making
Motion
Making
Memory
Effector
Game World
Information Flow
センサーというのは
(1) 視覚、聴覚から得られる情報。
(2) 自分の運動に対する世界からの応答。行動がセンサーでもある。
(例) キックに対して、足にあたりがあって途中で止まった。
AI
走ろうとすると、ぬかるみに足を取られた。
Agent Architecture
Recognitio
Sensor
Decision
Making
Motion
Making
Memory
Effector
Game World
Information Flow
C4 Architecture
MIT Media Lab.
Synthetic Characters Group
Researching Virtual Pet in Digital
World.
D. Isla, R. Burke, M. Downie, B. Blumberg (2001).,
“A Layered Brain Architecture for Synthetic Creatures”, http://characters.media.mit.edu/Papers/ijcai01.pdf
Halo Agent Architecture





Genre:SciFi-FPS
Developer: BUNGIE Studio
Publisher : Microsoft
Hardware: Xbox, Windows, Mac
Year: 2002
Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo
http://www.bungie.net/Inside/publications.aspx
F.E.A.R Agent Architecture
W o rld
S e n s o rs
W o rk in g
M e m o ry
T a rg e tin g
P la n n e r
N a v ig a tio n





Genre:Horror FPS
Developer: Monolith Production
Publisher : SIERRA
Hardware: Windows
Year: 2004
A n im a tio n /
Mov em ent
W eapons
W o rld
Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005)
http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt
B la c k b o a rd
Killzone 2 Architecture





Genre: FPS
Developer: Guerrilla Games
Publisher : SCE
Hardware: PlayStation 3
Year: 2009
Based on: Alex Champandard, Tim Verweij, Remco Straatman, "Killzone 2 Multiplayer Bots",
http://files.aigamedev.com/coverage/GAIC09_Killzone2Bots_StraatmanChampandard.pdf
MC = Machine Consiouness
• マシンの持つ意識(MC)についてはゲーム分野
ではあまり研究されてこなかった。
• 最近は、MCの研究が盛り上がりつつある。
• ゲーム分野のAIについてもMCを考えたい。
2つの意識の種類
P - Consciousness
(Phenomenal consciousness)
現象的意識(主観的体験、クオリア)
A - Consciousness
( Access consciousness)
精神活動に対する意識
(Ned Block, 1942)
2つの意識の種類
P - Consciousness
(Phenomenal consciousness)
現象的意識(主観的体験、クオリア)
A - Consciousness
( Access consciousness)
精神活動に対する意識
(Ned Block, 1942)
A-Consciousness に関する3つのアイデア
(1) 黒板モデル =ブラックボード・アーキテクチャ
(Blackboard Architecture)
(2) GWT = Global Workspace Theory
(Baar, 1988)
(3) MDM = Multiple Draft Model
(Dennett, 1991)
(1) ブラックボード・アーキテクチャ(Blackboard Architecture)
Motivations
Emotions
Attention
Etc.
Arbiter
KS
KS
Blackboard
KS
KS
KS
KS
特徴:
- 中央の黒板に情報が蓄積される(されて行く)。
Bruce Blumberg , Damian Isla, "Blackboard Architectures",
AI Game Programming Wisdom (Charles River Media) , 2002
- モジュールはKS(=Knowledge Source)と呼ばれ、特定の専門的な知識や技術に基づいた操作を
黒板の情報に対して行う。
- Arbiter(=調停者)がKSをどのように(順序、タイミングなど)動作させるかを行う。
(2) Baar’s Global Workspace Theory
(GWT)
Working Space
フォーカス
している対象の
情報
Processor
劇場と観衆のモデル。スポットライトがあたっている部分(注意=フォーカスが向
いている対象)に観衆(プロセッサー)が注意して処理を行う。
GWT (Global Workspace Theory)
Working Space
フォーカス
している対象の
情報
Processor
(3) Dennett’s Multiple Draft Model
仮想マシン
意識
無意識
協調
http://www.conscious-robots.com/en/conscious-machines/theories-of-consciousness/multiple-draft.html
新聞社の編集モデル。新聞社にはたくさんの新しい情報が来て、何度も記事が
書きなおされる。最終版だけがリリースされる。編集者=協調するプロセッサー、
新聞=意識の登る情報。
Dennett’s Multiple Draft Model
仮想マシン
意識
無意識
協調
http://www.conscious-robots.com/en/conscious-machines/theories-of-consciousness/multiple-draft.html
A-Consciousness に関する3つのアイデア
(1) 黒板モデル =ブラックボード・アーキテクチャ
(Blackboard Architecture)
(2) GWT = Global Workspace Theory
(Baar, 1988)
(3) MDM = Multiple Draft Model
(Dennett, 1991)
3つのアイデアをかけあわせる
Arrabales, R. Ledezma, A. and Sanchis, A. "Towards the Generation of Visual Qualia
in Artificial Cognitive Architectures". (2010)
http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf
Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf
Global Workspace Theory (GWT)
コンテキストの生成とコントロール(舞台裏)
舞台裏の人々=ディレクター、シーンデザイナー、など。
ブロードキャスト
ワーキングメモリ
(Scene,Stage)
注意の焦点
Focus of Attention
(スポットライト)
専門
プロセッサー
(観客)
テンポラリー
な連携
Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf
意識の構造を舞台に見立てています。ステージ(=ワーキングメモリ)上にスポット
ライト(=注意、アテンション)が注ぐところに、注意の焦点があります。
Baar’s Global Workspace Theory (GWT)
コンテキストの生成とコントロール(舞台裏)
舞台裏の人々=ディレクター、シーンデザイナー、など。
ブロードキャスト
ワーキングメモリ
(Scene,Stage)
注意の焦点
Focus of Attention
(スポットライト)
専門
プロセッサー
(観客)
テンポラリー
な連携
Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf
その輝いている領域が、観客(=プロセッサー)と舞台裏のこのお芝居を支えている人々に
向けて見られる(=ブロードキャスト)ことになり、観客から拍手なりアドバイスなりが返され
ることで舞台上の演技が変化して行きます。
Baar’s Global Workspace Theory (GWT)
コンテキストの生成とコントロール(舞台裏)
舞台裏の人々=ディレクター、シーンデザイナー、など。
ブロードキャスト
ワーキングメモリ
(Scene,Stage)
注意の焦点
Focus of Attention
(スポットライト)
ブロードキャスト
いろいろな意見や反響が返されることで
舞台上の演技がまた変化していく。
専門
プロセッサー
(観客)
テンポラリー
な連携
Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf
観客(=プロセッサー)は必要の応じて連携したグループ(Interim Coalition)
Baar’s
Global Workspace Theory (GWT)
になって、その中で意見を戦わせて調整して発表することもあります。
コンテキストの生成とコントロール(舞台裏)
舞台裏の人々=ディレクター、シーンデザイナー、など。
ブロードキャスト
ワーキングメモリ
(Scene,Stage)
注意の焦点
Focus of Attention
(スポットライト)
ブロードキャスト
専門
プロセッサー
(観客)
テンポラリー
な連携
【まとめ】観客(=プロセッサー)はステージ(=ワーキングメモリ)上にスポットライト(=注
意、アテンション)が注がれた役者の演技(=オブジェクトの振る舞い)について考えて(=情
報処理、思考)意見を役者に伝えます(=ワーキングメモリに書き込みます)。
Global Workspace Theory (GWT)
コンテキストの生成とコントロール(舞台裏)
舞台裏の人々=ディレクター、シーンデザイナー、など。
ブロードキャスト
ワーキングメモリ
(Scene,Stage)
注意の焦点
Focus of Attention
(スポットライト)
ブロードキャスト
いろいろな意見や反響が返されることで
舞台上の演技がまた変化していく。
専門
プロセッサー
(観客)
テンポラリー
な連携
Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf
プロセッサー
全体像(イメージ) ブラックボード
認識統合
アーキテクチャ
行動生成
アーキテクチャ
93
全体像(イメージ)
94
全体像(イメージ)
アクション修飾子
の形成
センサーの形成
アクション生成子
の形成
95
全体像(イメージ)
アクション修飾子
の形成
センサーの形成
単純なプロセッサーが連合(Coalition)することで、
高度なセンサー、ジェネレーター、モディファイアー
が(動的に・静的に)形成されて行く。
アクション生成子
の形成
96
Arb
iter
センサーの形成
Arb
iter
Arb
iter
Arb
iter
アクション修飾子
の形成
Arb
iter
Arb
iter
Arb
iter
Arb
iter
Arb
iter
アクション生成子
の形成
97
センサーの形成
Arb
iter
Arb
iter
Arb
iter
Arb
iter
アクション修飾子
の形成
Arb
iter
Arb
iter
Arb
iter
Arb
iter
Arb
iter
アクション生成子
の形成
98
Arb
iter
Arb
iter
Arb
iter
Arb
iter
Arb
iter
Arb
iter
Arb
iter
Arb
iter
Arb
iter
インフォメーション・フロー
99
Arb
iter
Arb
iter
Arb
iter
Arb
iter
情報
Arb
iter
Arb
iter
Arb
iter
Arb
iter
Arb
iter
アク
ション
100
Arb
iter
Arb
iter
Arb
iter
Arb
iter
情報
Arb
iter
Arb
iter
Arb
iter
Arb
iter
Arb
iter
アク
ション
101
Arb
iter
Arb
iter
Arb
iter
Arb
iter
情報
Arb
iter
Arb
iter
Arb
iter
Arb
iter
Arb
iter
アク
ション
102
Character AI is in Game World
Information Flow
Game World
Sensor &
Recognition
action
AI Character
It makes “Information Flow” between AI and Environment.
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
AI Character
(=NPC)
User World
キャラクター AI
(Brain)
Agent Architecture
Meta AI
Recognitio
Sensor
Decision
Making
Motion
Making
Memory
Effector
Game World & Game Mechanism
Information Flow
AI
Meta Game
AI isMechanism
in User メタWorld
Game World
(= Environment = Game Stage = Level Design)
AI Character
(=NPC)
User World
キャラクター AI
(Brain)
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
AI Character
(=NPC)
User Space
キャラクター AI
(Brain)
知性は常に境界に存在する
人間
内側
外側
身体、精神
世界
キャラクターAI 身体、内部状態 ゲーム世界
メタAI
ゲーム
ユーザー
メタ AI
Game Mechanism
Game World
(= Environment
= Game Stage = Level Design)
プロシージャル技術
(Auto-generation, Auto-Control)
AI Character
(=NPC) AI
キャラクター
(Brain)
User World
本講演のコンテンツ
第一章
第二章
第三章
第四章
第五章
ゲームAIの歴史
メタAI
エージェントモデル
プロシージャル技術
まとめ
Procedural Techniques
第四章 プロシージャル技術
地形自動生成
ノイズ法(濃い=低い、白い=高い)
+
2次元中点変位法
=
ボロノイ図
Jacob Olsen, Realtime Procedural Terrain Generation
http://oddlabs.com/download/terrain_generation.pdf
DUNIA ENGINE : FarCry2 植物自動生成





Genre:FPS
Developer: Ubisoft
Publisher : Ubisoft
Hardware: PC
Year: 2008
プロシージャル技術 (50kmx50km 島の群生を
生成)
- 植物とそのアニメーション
- 燃え広がり方
- 天候
http://www.farcry2-hq.com/downloads,18,dunia-engine-nr1.htm
FarCry2 (Dunia Engine ) デモ
http://www.farcry2-hq.com/downloads,18,dunia-engine-nr1.htm
草原自動生成
樹木自動生成
動的天候システム
時間システム
動的天候システム
L-system による街の自動生成
City Engine(central pictures)
http://www.centralpictures.com/c
e/
Yoav I H Parish, Pascal Müller
http://www.centralpictures.com/ce/tp/paper.pd
f
George Kelly, Hugh McCabe,
A Survey of Procedural Techniques for City Generation
http://www.gamesitb.com/SurveyProcedural.pdf
雲の自動生成
雲の3Dモデル自動生成
エレメントごとに足し合わせる
基本方針
ある点を中心とした密度を
ピクセルボックス毎に計算
Fcub ( r )  
4 r
6
9 R
6

17 r
4
9 R
4

22 r
2
9 R
2
1
Density
implcit
( p) 
  w F  p  q 
i
cub
i
Wyvill’s standard cublic function
F. Kenton Musgrave, Darwyn Peachey, Ken Perlin, Steven Worley, David S. Ebert,
“Texturing & Modeling: A Procedural Approach 第3版”,
Morgan Kaufmann Series in Computer Graphics and Geometric Modeling, 2002
David S. Ebert ,Volumetric Procedural Implicit Functions,
http://www.csee.umbc.edu/~ebert/cloud
プロシージャルの歴史: ダンジョン自動生成
1980
Rogue Clone
ローグライクゲーム
Rogue
不思議のダンジョン
チュンソフト
Hellgate:London
TOEO
namco
flagshipstudio
NetHack
1993~
2006
2006
マビノギ
1980
1987
ティル・ナ・ノーグ
Diablo
nexon
ブルードラゴン
Blizzard
Microsoft
システムソフト
2004
1996
1987~
2007
CODED ARMS
FF11
Square Enix
KONAMI
2007
2005
MMOにおける応用
Rogue Clone
ローグライクゲーム
Rogue
NetHack
ダンジョン生成法
迷路自動生成法
棒倒し法
穴掘り法
壁延ばし法
その他、いろいろな方がいろいろなところで独自のアルゴリズムを開発
Ishida So, 「迷路のプログラム」, 2005
デモ
ismaze5 iMaze5
iMaze5
自動迷路生成
Ishida So, 「迷路のプログラム」, 2005
Rogue Clone
ローグライクゲーム
Rogue
NetHack
ダンジョン生成法
ダンジョン自動生成法
Racanhack
源馬照明, 「Racanhack コード解説」, 2005
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
AI Character
(=NPC)
プロシージャル技術
(Auto-generation, Auto-Control)
=世界を動的に変える力
User Space
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
AI Character
プロシージャル技術 (Auto-generation,
Auto-Control)
= 世界を動的に変える力 (=NPC)
= メタAIの力となることで、
ユーザーに応じてゲームコンテンツを変えて行く。
User Space
Game Mechanism
メタ AI
Game World
(= Environment = Game Stage = Level Design)
AI Character
プロシージャル技術 (Auto-generation,
Auto-Control)
= 世界を動的に変える力 (=NPC)
= メタAIの力となることで、
ユーザーに応じてゲームコンテンツを変えて行く。
= キャラクターは決められた世界でなく、
生成されるどんな世界にも対応しなければならない。
(=お化け屋敷AIでは対応できない)
User Space
本講演のコンテンツ
第一章
第二章
第三章
第四章
第五章
ゲームAIの歴史
メタAI
エージェントモデル
プロシージャル技術
まとめ
Summerlization
まとめ
まとめ
第一章
ゲームAIは3つの分野からなる。古典から現代へゲームAIはメタAIと
キャラクターAIに分化した。
第二章 メタAIはゲームそのものの知性として進化した。
第三章
エージェントアーキテクチャは世界の外側と知能の内側をつなぐモデル。
第四章
プロシージャル技術は動的にゲーム世界を変化させるモデルで、
メタAIと結びつくことでゲームを変化させる。

similar documents