Модель ігрового штучного інтелекту для некерованого гравцем персонажу
DOI:
https://doi.org/10.25140/2411-5363-2024-4(38)-163-171Ключові слова:
штучний інтелект; гра; некерований гравцем персонаж; машинне навчання; модель; навчання з підкріпленням; NPCАнотація
Штучний інтелект у відеоіграх відіграє ключову роль у формуванні ігрового процесу, а його створення завжди було комплексним та складним завданням. Навчання некерованих персонажів є ключовим завданням для отримання захопливих та реалістичних ігрових середовищ. Основною метою навчання NPC було забезпечення здатності до ефективного переслідування рухомої цілі. Результати експерименту підтвердили, що розроблена модель успішно навчається та приймає оптимальні рішення в умовах ігрового середовища. Дослідження довело ефективність використання методів машинного навчання у створенні ігрового штучного інтелекту. Перспективними напрямами подальших досліджень є інтеграція методів машинного навчання для надання неігровим персонажам додаткових здібностей, які сприятимуть більш глибокому зануренню гравців у ігровий процес.
Посилання
Сеніва, К. Р. Способи використання нейронних мереж та машинного навчання в комп’ютерних іграх / К. Р. Сеніва // Вісник Хмельницького національного університету. – 2021. – № 2 (295). – С. 97-100. DOI: https://www.doi.org/10.31891/2307-5732-2021-295-2-97-100.
Шиманський, В. Аналіз методів машинного навчання для керування неігровими персонажами у грі виживання / В. Шиманський, В. Задерецький // XII Міжнародна науково-практична конференція «New integrations of modern education in universities», 05-08 грудня 2023 р., Амстердам, Нідерланди. – 2023. – С. 379-382. URL: https://isg-konf.com/new-integrations-of-modern-education-in-universities.
Almeida Rocha, D. Simulating Human Behaviour in Games using Machine Learning / D. de Almeida Rocha, J. Cesar Duarte // Proceedings of 18th Brazilian Symposium on Computer Games and Digital Entertainment (SBGames), Rio de Janeiro, Brazil. – 2019. – Pp. 514-523. DOI: https://doi.org/10.1109/ SBGames.2019.00030.
Geisler, B. Integrated Machine Learning For Behavior Modeling in Video Games / B. Geisler // Radical Entertainment. – 2014. – Pр. 1-9.
Марчук, Г. Дослідження методів штучного інтелекту для створення інтелектуальних ігрових агентів / Г. Марчук, О. Коротун, В. Левківський, М. Українець // Технічні науки та технології. – 2024. – № 3 (37). – С. 122-131. DOI: https://doi.org/10.25140/2411-5363-2024-3(37)-122-131.
Nasteski, V. An overview of the supervised machine learning methods / V. Nasteski // HORIZONS.B. – 2017. – Vol. 4. – Pр. 51-62. DOI: https://doi.org/10.20544/HORIZONS.B.04.1.17.P05.
Plaat, A. Learning to Play / A. Plaat // Springer, Cham. – 2020. – P. 330. DOI: https://doi.org/10.1007/ 978-3-030-59238-7.
Wiederhold, G. Arthur Samuel: Pioneer in Machine Learning / G. Wiederhold, J. McCarthy // IBM Journal of Research and Development. – 1992. – Vol. 36, № 3. – Pp. 329-331. DOI: https://doi.org/10.1147/ rd.363.0329.
Yang, L. On hyperparameter optimization of machine learning algorithms: Theory and practice / L. Yang, A. Shami // Neurocomputing. – 2020. – Vol. 415. – Pр. 295-316. DOI: https://doi.org/10.1016/ j.neucom.2020.07.061
Burnes, A. Introducing NVIDIA ACE For Games - Spark Life Into Virtual Characters With Generative AI [Electronic resource] / A. Burnes // NVIDIA. – 2023. – Access mode: https://www.nvidia.com/en-us/geforce/news/nvidia-ace-for-games-generative-ai-npcs.
Almón-Manzano, L. Reinforcement Learning in Agents’ Training: Unity ML-Agents / L. Almón-Manzano, R. Pastor-Vargas, J.M.C. Troncoso // Bio-inspired Systems and Applications: from Robotics to Ambient Intelligence. IWINAC 2022. Lecture Notes in Computer Science, Springer, Cham. – 2022. – Vol. 13259. – Pp. 391-400. DOI: https://doi.org/10.1007/978-3-031-06527-9_39.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
