طراحی کاراکترهای غیر قابل بازی توسط روشهای پیشبینی ارزش در یادگیری تقویتی

یکی از مهمترین دغدغهها در توسعه بازی های ویدیویی، طراحی هوش مصنوعی کاراکترهای غیر قابل بازی است. مهمترین نیازمندی در طراحی هوش مصنوعی این کاراکترها، چالش برانگیز بودن و شکست پذیر بودن آنها به صورت توام است. به عبارت دیگر، هوش مصنوعی بازی باید به گونه ای باشد که پیروز شدن در بازی را برای بازیکن سخت کند و در عین حال این میزان سختی نباید آنقدر زیاد باشد که لذت بازی کردن از بازیکن گرفته شود. به همین دلیل، در اغلب بازیهای تجاریبه جای استفاده از تکنیک های مدرن هوش مصنوعی مانند یادگیری ماشین ، از تکنیکهای سادهای مانند ماشینهای حالت متناهی و سامانههای قانون مبنا استفاده میشود. در این مقاله، با استفاده از روشهای پیشبینی ارزش در حوزه یادگیری تقویتی، روشی برای طراحی هوش مصنوعی کاراکترهای غیرقابل بازی ارایه میشود. از مهمترین مزیتهای این روش، میتوان به عدم قطعیت و قابلیت تنظیم میزان هوشمندی اشاره کرد. علاوه بر این، این روش مستقل از دامنه است و به همین دلیل به سادگی در بسیاری از بازیهای تجاری قابل استفاده است. در نهایت، نتایج استفاده از این روش در یک بازی سهبعدی شبیهسازی ضربات آزاد فوتبال گزارش میشود.

کلیدواژه ها:

کاراکترهای غیر قابل بازی ، هوش مصنوعی بازی ، یادگیری تقویتی ، روشهای پیشبینی ارزش