طراحی کاراکترهای غیرقابل بازی توسط یادگیری تقویتی

امروزه تقریبا در تمامی بازیهای ویدیویی از هوش مصنوعی به اشکال مختلف استفاده میشود. یکی از متداولترین این اشکال، کاراکترهای غیرقابل بازی است که به کاراکترهایی گفته میشود که توسط هوش مصنوعی (و نه توسط بازیکن) کنترل میشوند. وجود این کاراکترها در افزایش باورپذیرسازی جو بازی تاثیر بسیار زیادی دارد. به همین علت، طراحی هوش مصنوعی کاراکترهای غیرقابل بازی یکی از گامهای مهم و هزینه بر در توسعه بازیهای ویدیویی است. در این مقاله، روشی مبتنی بر یادگیری تقویتی برای طراحی کاراکترهای غیرقابل بازی باورپذیر ارایه میشود. از مزیتهای اصلی این روش میتوان به انعطاف پذیری بالا و مستقل از دامنه بودن آن اشاره کرد که موجب میشود استفاده از این روش در محدوده وسیعی از بازیها به سادگی امکانپذیر باشد. در همین راستا، کارایی این روش در یک بازی سه بعدی شبیه سازی فوتبال نشان داده میشود. نتایج به دست آمده حاکی از کارایی بالای این روش در طراحی کاراکترهای غیرقابل بازی هوشمند است؛ به گونهای که عملکرد عامل پس از یادگیری با استفاده از 10000 ضربه آزاد از میانگین عملکرد 100 بازیکن انسان نیز بهتر شد. نتایج همچنین نشان میدهد که با استفاده از استراتژیهای ساده میتوان رفتار عامل را باورپذیر ساخت و در عین حال انعطافپذیری بالای این روش اجازه میدهد که بتوان میزان هوشمندی کاراکتر غیر قابل بازی در بازی ضربات آزاد فوتبال را از 20% تا %200 سطح عملکرد انسان تنظیم کرد.

کلیدواژه ها:

هوش مصنوعی ، کاراکترهای غیر قابل بازی ، عامل های باورپذیر ، هوش مصنوعی بازی ، یادگیری تقویتی