Download as PDF, PPTX
![評判システム
Group Reputation
Farmers Neural
Lawmen Hate
Bandits Like
Player Hate
Townspeople Neural
Memory Element
1
2
3
5
Master Event List
1. Bandit Killed Farmer
2. Player Aided Lawmen
3. Player Killed Bandit
4. Player TradedWith Townsperson
5. […]
Bandit
この盗賊(Bandit)は、Playerが味方（Bandit）を殺し、
敵である保安官（Lawmen）を助けたことを聞いて、Playerを嫌っている。
NPCごとの記憶
Greglt,Kristin King, “A DynamicReputation SystemBased on EventKnowledge”,8.6,AIGame ProgrammingWisdom](https://image.slidesharecdn.com/ymiyakeaimulitagent2017945lh-170907233537/75/AI-39-2048.jpg)
![参考文献
(1) Greglt, Kristin King, “A Dynamic Reputation System
Based on Event Knowledge”,8.6, AI Game Programming
Wisdom
(2) Richard Rouse III,"Postmortem: The Game Design of
Surreal'sThe Suffering",Gamasutra,
http://www.gamasutra.com/view/feature/2110/postmortem_the_game_design_of_.php
(3) "Gunslinger:FirstImpressions",IGN,
http://ps2.ign.com/articles/134/134549p1.html
(4) Gunslinger [PS2- Cancelled]
http://www.unseen64.net/2009/09/15/gunslinger-ps2-cancelled/](https://image.slidesharecdn.com/ymiyakeaimulitagent2017945lh-170907233537/75/AI-47-2048.jpg)
![蟻の群
フェロモン
えさ
巣穴
（１） えさをみつけた蟻は、フェロモンを出しながら巣へ戻る。
（２） フェロモンは他の蟻を引き寄せる
（３） 引き寄せられた蟻は、フェロモンを出しながらえさを巣へ運ぶ
関係のさせ方
[蟻、デモ] Roberto Aguirre Maturana の Ant Farm Simulator(Source Code、実行ファイルなど。実行方法：「File->New->再生ボタン」)](https://image.slidesharecdn.com/ymiyakeaimulitagent2017945lh-170907233537/75/AI-132-2048.jpg)
![[蟻、デモ] Roberto Aguirre Maturana の Ant Farm Simulator(Source Code、実行ファイルなど。実行方法：「File->New->再生ボタン」)](https://image.slidesharecdn.com/ymiyakeaimulitagent2017945lh-170907233537/75/AI-133-2048.jpg)
![[
ロボカップサッカー
行動１
行動２
行動３
ＦＭ２
行動１
行動２
行動３
行動４
行動１
行動２
行動３
・・・・
１ ２ ３ ４
ＦＭ１ ＦＭｎ
トリガー
条件
トリガー
条件
トリガー
条件
トリガーがオンになったＦＭが、各行動に適したＡＩを選んで実行させるシステム
フォーメーション・プレイ制御例 (PeterStone)
[協調、ロボカップ] Peter Stone, LayeredLearningin Multiagent Systems:A Winning Approach to Robotic Soccer(紹介)](https://image.slidesharecdn.com/ymiyakeaimulitagent2017945lh-170907233537/75/AI-142-2048.jpg)
Uploaded byYouichiro Miyake
ゲームAIとマルチエージェント（下）
ゲームAIとマルチエージェントについて講演資料の後編です。 前編は https://www.slideshare.net/youichiromiyake/ai-79541209
More Related Content
![[db analytics showcase Sapporo 2017] MicrosoftのAIテクノロジーを活用しよう ～インテリジェントAPIからデ...](https://cdn.slidesharecdn.com/ss_thumbnails/20170630dbanalyticsshowcasesapporocognitive-170704000138-thumbnail.jpg?width=640&height=640&fit=bounds)
ゲームAIとマルチエージェント（下）
- 1.
- 2.
- 3.
- 4. 目次 • 第一章 ゲームAIと人工生命 •第二章 戦術位置検索システム • 第三章 知能とコミュニケーション • 第四章 ゲームにおける様々な実例 • 第五章 分散人工知能 • 第六章 「ゲームにおけるマルチエージェント」 第１節 集団における知性 概論 第２節 群知能の方法 第３節 クロムハウンズにおけるマルチエージェント技術 第４節 発展 • 第七章 人工知能と創造性 • 第八章 メタAIの発展
- 5.
- 6.
- 7.
- 8.
- 9.
- 10.
- 11.
- 12.
- 13.
- 14.
- 15.
- 16. 生物にとって必要な能力 • 仲間と敵を見分ける能力。（群れと外） • 仲間と協調する能力。（群れの内） •仲間同士の争いで勝つ能力。（群れの中の個体同士） コミュニケーションの発生
- 17.
- 18.
- 19.
- 20.
- 21.
- 22.
- 23.
- 24.
- 25.
- 26.
- 27.
- 28.
- 29.
- 30.
- 31.
- 32.
- 33.
- 34.
- 35. 第一章まとめ 分類 媒体（メディア） 表象受容器官 非言語 コミュニケーション 場を介する 匂い、音 五感 身体 噛む、鼻を付ける 触覚 言語 コミュニケーション シンボル ダンス 認識 言葉 文字/発話 知能 経済 お金 数字 社会 言葉、身振り、お金…交換することで 個体同士が結びつく。
- 36. 目次 • 第一章 ゲームAIと人工生命 •第二章 戦術位置検索システム • 第三章 知能とコミュニケーション • 第四章 ゲームにおける様々な実例 • 第五章 分散人工知能 • 第六章 「ゲームにおけるマルチエージェント」 第１節 集団における知性 概論 第２節 群知能の方法 第３節 クロムハウンズにおけるマルチエージェント技術 第４節 発展 • 第七章 人工知能と創造性 • 第八章 メタAIの発展
- 37.
- 38.
- 39. 評判システム Group Reputation Farmers Neural LawmenHate Bandits Like Player Hate Townspeople Neural Memory Element 1 2 3 5 Master Event List 1. Bandit Killed Farmer 2. Player Aided Lawmen 3. Player Killed Bandit 4. Player TradedWith Townsperson 5. […] Bandit この盗賊(Bandit)は、Playerが味方（Bandit）を殺し、 敵である保安官（Lawmen）を助けたことを聞いて、Playerを嫌っている。 NPCごとの記憶 Greglt,Kristin King, “A DynamicReputation SystemBased on EventKnowledge”,8.6,AIGame ProgrammingWisdom
- 40. 評判システム B1 B2 B3 ３をアナウンス Master Event List参照回数 1. Bandit Killed Farmer 4 2. Player Aided Lawmen 1 3. Player Killed Bandit 3 4. 5. ３人のNPCに 参照されている Greglt,Kristin King, “A DynamicReputationSystemBased on EventKnowledge”,8.6,AIGame ProgrammingWisdom NPC NPC NPC NPC Player Event Announcer イベント登録 事件発生ポイント Player Killed Bandit. http://dear-croa.d.dooo.jp/download/illust.html http://dear-croa.d.dooo.jp/
- 41. 事件発生ポイント Player Killed Bandit. EventAnnouncer B1 B2 B3 イベント登録 一定半径内のNPCに ３をアナウンス B3 B4 味方同士の場合 伝言する 他の場所でNPC同士が ばったり出会う Master Event List 参照回数 1. Bandit Killed Farmer 4 2. Player Aided Lawmen 1 3. Player Killed Bandit 4 4. 5. 参照回数を＋１ （参照回数が０になればリストから消去） Greglt,Kristin King, “A DynamicReputationSystemBased on EventKnowledge”,8.6,AIGame ProgrammingWisdom NPC NPC NPC NPC Player NPC NPC 評判システム http://dear-croa.d.dooo.jp/download/illust.html http://dear-croa.d.dooo.jp/
- 42. Event Announcer B1 B2 B3 イベント登録 一定半径内のNPCに ３をアナウンス B3 B4 敵同士の場合 伝言しない 他の場所でNPC同士が ばったり出会う Greglt,KristinKing, “A DynamicReputation SystemBased on EventKnowledge”,8.6,AIGame ProgrammingWisdom Player NPC NPC NPC NPC NPC NPC 評判システム Master Event List 参照回数 1. Bandit Killed Farmer 4 2. Player Aided Lawmen 1 3. Player Killed Bandit 4 4. 5. 事件発生ポイント Player Killed Bandit. http://dear-croa.d.dooo.jp/download/illust.html http://dear-croa.d.dooo.jp/
- 43.
- 44. 評判システム（イベントの形式） Master Event List参照回数 1. Bandit Killed Farmer 4 2. Player Aided Lawmen 1 3. Player Killed Bandit 11 4. 5. Subject Group Player Verb DidViolenceTo Object Group Bandit Object Individual Joe Magnitude 75(Killed) Where 50,20,128(In front of saloon) When High noon Template KilledBanditTemplate ReferenceCount Known by 11 NPCs Reputation Effects Bandits hate player more Lawmen like player more Farmers like player more Greglt,Kristin King, “A DynamicReputation SystemBased on EventKnowledge”,8.6,AIGame ProgrammingWisdom
- 45. 評判システム（情報交換） メモリーマッチング NPCごとの記憶 Memory Element 信頼度取得時刻 1 43 0:13:43 3 76 1:4:53 7 63 1:7:45 11 12 1:24:54 12 52 2:6:55 NPCごとの記憶 Memory Element 信頼度 取得時刻 2 43 0:15:13 4 87 0:46:3 7 12 2:17:56 15 53 2:14:45 71 84 3:56:15 同じイベントに対する情報がある場合は、信頼度の高い方の情報に上書き 同じ対象(例えばJoe)に対する情報がある場合は、新しい情報に上書き 上書きするイベント → MasterEvent List の参照回数＋１ 消去されるイベント → MasterEvent List の参照回数－１ (MasterEvent List で参照回数が０になればリストから消去) Greglt,Kristin King, “A DynamicReputationSystemBased on EventKnowledge”,8.6,AIGame ProgrammingWisdom NPC NPC http://dear-croa.d.dooo.jp/
- 46. 評判システム（情報補完システム） （NPC Aが Joeに出会ったときには、Joeは既に死んでいた） Joe was Killed by unknown group （Joe が Lawmen に撃たれているのを目撃） Joe was shot by lawmen group Joe was killed by lawmen group 不完全な情報から 情報を再構築 思い込みかも…でも、それでいい。 人間とはそういうものじゃないか…（という開発方針） Greglt,Kristin King, “A DynamicReputationSystemBased on EventKnowledge”,8.6,AIGame ProgrammingWisdom NPC NPC NPC NPC http://dear-croa.d.dooo.jp/
- 47. 参考文献 (1) Greglt, KristinKing, “A Dynamic Reputation System Based on Event Knowledge”,8.6, AI Game Programming Wisdom (2) Richard Rouse III,"Postmortem: The Game Design of Surreal'sThe Suffering",Gamasutra, http://www.gamasutra.com/view/feature/2110/postmortem_the_game_design_of_.php (3) "Gunslinger:FirstImpressions",IGN, http://ps2.ign.com/articles/134/134549p1.html (4) Gunslinger [PS2- Cancelled] http://www.unseen64.net/2009/09/15/gunslinger-ps2-cancelled/
- 48. Never Winter Nightにおける評判システム Ultima Online の評判システム Gunslinger の評判システム Ever Quest の評判システム 独自の評判システム https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcT18yxlWIEAjsDNwdmz1- I4vTlbGVJxQp0gLDI05t4VS_URdCvD
- 49. Never Winter Nightにおける評判システム モンスター 山賊 ガード 一般人 モンスター 100 0 0 0 山賊 50 50 0 0 ガード 0 0 100 100 一般人 0 0 100 80 対象 主体 各NCPの種族間友好度 初期値 (主体)が（対象）をどれぐらいよく思っているか。 敵対行動に対する友好度変化表 誰もいない場所で殺人を犯すことと、周囲に目撃者がいる場合では、 そのイベントがもたらす友好度の変化は違うはず。 目撃者 誰もいない 友好種族 を攻撃 攻撃した 種族の友 好種族か ら目撃 中立種族 を攻撃 攻撃した種族 に対する中立 種族からの目 撃 敵対す る種族 に対し て 敵族から目 撃 攻撃 -2 -12 -6 -4 -2 -2 0 殺人 -5 -45 -25 -15 -5 -5 0 盗む -1 -5 -3 -2 0 -1 0
- 50. Never Winter Nightにおける評判システム 目撃者 誰もいない 友好種族 を攻撃 攻撃した 種族の友 好種族か ら目撃 中立種族 を攻撃 攻撃した種族 に対する中立 種族からの目 撃 敵対す る種族 に対し て 敵族から 目撃 攻撃 -2 -12 -6 -4 -2 -2 0 殺人 -5 -45 -25 -15 -5 -5 0 盗む -1 -5 -3 -2 0 -1 0 犯人の殺した種族からの友好度が-45下がる 犯人の目撃者の種族からの友好度が-25下がる 敵対行動に対する友好度変化表 目撃 http://dear-croa.d.dooo.jp/
- 51. Never Winter Nightにおける評判システム PC モンスター 山賊 ガード 一般人 モンスター 0 100 0 0 0 山賊 0 50 50 0 0 ガード 95 0 0 100 100 一般人 75 0 0 100 80 対象 主体 種族間友好度 初期値 (主体)が（対象）をどれぐらいよく思っているか。 (注) PC のある種族に対する好感度 は、その種族のPCに対する好感度と同値とする。
- 52. Personal Reputation の導入 ガードは攻撃されたキャラクターに対する情報を保持する 時間 評判 ガードが持つ攻撃したＰＣに対する評判の補正 40220 PCが全てのガードから袋叩きにならない かつ、それなりに評判を落としておく ガード ガード ガード ガード ガード ガード http://dear-croa.d.dooo.jp/
- 53. 参考文献 Mark Brokington,“Building areputation system: Hatred, Forgivveness,and Surrender in Never Winter Nights”, 6.5, Massive Multiplayer Game Development
- 54.
- 55.
- 56. Humanoid Agent in SocialGame Environment (HASGE) Cladio Pedica - Spontaneous Avatar Behaviour for Social Territoriality Reykjavik University. http://www.ru.is/faculty/hannes/students/MSThesisPalliThrainsson.pdf
- 57. HASGE Project (Reykjavik Univ,CCP) http://cadia.ru.is/wiki/public:socialgame:main
- 58. F-formation (Kendon, 1984) •人と人が向い合うときに、形成する立ち位置 Paul Marshall,Yvonne Rogers,Nadia Pantidi Using F-formations to analyse spatial patterns of interaction in physical environments http://mcs.open.ac.uk/pervasive/pdfs/MarshallCSCW2011.pdf
- 59. いろいろな F-formation パターン PaulMarshall,Yvonne Rogers,Nadia Pantidi Using F-formations to analyse spatial patterns of interaction in physical environments http://mcs.open.ac.uk/pervasive/pdfs/MarshallCSCW2011.pdf
- 60. いろいろな F-formation パターン PaulMarshall,Yvonne Rogers,Nadia Pantidi Using F-formations to analyse spatial patterns of interaction in physical environments http://mcs.open.ac.uk/pervasive/pdfs/MarshallCSCW2011.pdf
- 61. EVE ONLINE Cladio Pedica- Spontaneous Avatar Behaviour for Social Territoriality Reykjavik University. http://www.ru.is/faculty/hannes/students/MSThesisClaudioPedica.pdf
- 62.
- 63. テリトリーとインフルエンス • テリトリー（Territory） …個人を中心とする対人 距離 • ビヘイビア・インフルエンス （behavioural influence） そのビヘイビアが人を引き込む範囲 - Social place - Social situation
- 64. ソーシャル・ダイナミクス Social Dynamics = SocialBehavior influence (社会的な振る舞いが) at Social place (社会的な場において) makes Social Situation （シチュエーションを作る）
- 65. 共有される場 （入ってはいけない！） 会話参加者の立つリング この円内に入ったものは、 会話参加者が目をやる この円内に入ったものは、 会話参加者がより注意深く見る F-formation Cladio Pedica -Spontaneous AvatarBehaviour for Social Territoriality Reykjavik University. http://www.ru.is/faculty/hannes/students/MSThesisClaudioPedica.pdf
- 66. 社会的ビヘイビアが 伝えられる距離 会話に参加していると 言える距離 ４人が形成するテリトリー F-formation Cladio Pedica- Spontaneous Avatar Behaviour for Social Territoriality Reykjavik University. http://www.ru.is/faculty/hannes/students/MSThesisClaudioPedica.pdf
- 67. Cladio Pedica -Spontaneous AvatarBehaviour for Social Territoriality Reykjavik University. http://www.ru.is/faculty/hannes/students/MSThesisClaudioPedica.pdf
- 68.
- 69.
- 70. Cladio Pedica -Spontaneous AvatarBehaviour for Social Territoriality Reykjavik University. http://www.ru.is/~hannes/publications/JAAI2010.pdf
- 71. Cladio Pedica -Spontaneous AvatarBehaviour for Social Territoriality Reykjavik University. http://www.ru.is/faculty/hannes/students/MSThesisClaudioPedica.pdf
- 72. 共有される情報 Cladio Pedica -Spontaneous AvatarBehaviour for Social Territoriality Reykjavik University. http://www.ru.is/faculty/hannes/students/MSThesisClaudioPedica.pdf
- 73.
- 74.
- 75. ベルギアンAI Grid capacity, AttackCapacity Attack Weight = 4 １２ Grid Capacity = グリッドに入れるモンスターの数 各モンスターはそれぞれ Attack Weight (整数値)を持つ AttackCapacity = キャラクターの周りのグリッドに入るモンスターの Attackweight の総和の最大 http://dear-croa.d.dooo.jp/
- 76. ベルギアンAI（例） Attack Weight =4 Stage Manager Grid Capacity = 5 … 五体まで入っていい AttackCapacity = 12 総和が12まで １２ RequestAssign モンスターから StageManagerにリクエストして 条件に合えばアサインして、 一番近いスロットに スロットの占有権を与える。 モンスターは攻撃したら、 占有権を速やかに StageManagerに返却する。 http://dear-croa.d.dooo.jp/
- 77. ベルギアンAI（例） Attack Weight =4 Stage Manager Grid Capacity = 5 … 五体まで入っていい AttackCapacity = 12 総和が12まで ８ http://dear-croa.d.dooo.jp/
- 78. ベルギアンAI（例） Attack Weight =4 Stage Manager Grid Capacity = 5 … 五体まで入っていい。 AttackCapacity = 12 総和が12まで ０ http://dear-croa.d.dooo.jp/
- 79. Attack Weight =4 Grid Capacity = 5 … 五体まで入っていい。 AttackCapacity = 12 総和が12まで ２ Attack Weight = 6 ベルギアンAI（例） Stage Manager http://dear-croa.d.dooo.jp/
- 80. Attack Weight =4 Grid Capacity = 5 … 五体まで入っていい。 AttackCapacity = 12 総和が12まで ２ Attack Weight = 6 ベルギアンAI（例） Stage Manager http://dear-croa.d.dooo.jp/
- 81. Attack Weight =4 Grid Capacity = 5 … 五体まで入っていい。 AttackCapacity = 12 総和が12まで ２ Attack Weight = 6 ベルギアンAI（例） Stage Manager Attack Weight = 10 （特殊攻撃） http://dear-croa.d.dooo.jp/
- 82.
- 83.
- 84.
- 85.
- 86.
- 87. Reckoning におけるターゲットシステム GDC 2012AI Postmortems: Kingdoms of Amalur: Reckoning, Darkness II and Skulls of the Shogun Michael Dawe, http://www.gdcvault.com/play/1015380/AI-Postmortems-Kingdoms-of-Amalur
- 88. Reckoning におけるターゲットシステム GDC 2012AI Postmortems: Kingdoms of Amalur: Reckoning, Darkness II and Skulls of the Shogun Michael Dawe, http://www.gdcvault.com/play/1015380/AI-Postmortems-Kingdoms-of-Amalur
- 89. Reckoning におけるターゲットシステム GDC 2012AI Postmortems: Kingdoms of Amalur: Reckoning, Darkness II and Skulls of the Shogun Michael Dawe, http://www.gdcvault.com/play/1015380/AI-Postmortems-Kingdoms-of-Amalur
- 90. Reckoning におけるターゲットシステム GDC 2012AI Postmortems: Kingdoms of Amalur: Reckoning, Darkness II and Skulls of the Shogun Michael Dawe, http://www.gdcvault.com/play/1015380/AI-Postmortems-Kingdoms-of-Amalur
- 91.
- 92. 目次 • 第一章 ゲームAIと人工生命 •第二章 戦術位置検索システム • 第三章 知能とコミュニケーション • 第四章 ゲームにおける様々な実例 • 第五章 分散人工知能 • 第六章 「ゲームにおけるマルチエージェント」 第１節 集団における知性 概論 第２節 群知能の方法 第３節 クロムハウンズにおけるマルチエージェント技術 第４節 発展 • 第七章 人工知能と創造性 • 第八章 メタAIの発展
- 93.
- 94. 分散人工知能 複数の知的機能を組み合わせて、 一つの大きな知能を組み立てようとする知能。 複数の人工知能を組み合わせる。 石田亨 ,片桐恭弘,桑原和宏, 「分散人工知能」,コロナ社,1996 「シンプルな機能」を組み合わせて一つの知能を作る方法。
- 95.
- 96.
- 97. ブラックボード・アーキテクチャ(Blackboard Architecture) BlackboardKS KS KS KS KS KS Arbiter Motivations Emotions Attention Etc. 特徴： - 中央の黒板に情報が蓄積される（されて行く）。 -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。 Bruce Blumberg , Damian Isla, "Blackboard Architectures", AI Game ProgrammingWisdom (CharlesRiverMedia) , 2002
- 98. Hearsay-II （階層型ブラックボード） 音声波形解析ソフト（音声波形データから文章を推測する） 石田亨 ,片桐恭弘,桑原和宏,「分散人工知能」,コロナ社, 1996
- 99. 音声波形解析ソフト（音声波形データから文章を推測する） Arbiter 石田亨 ,片桐恭弘,桑原和宏, 「分散人工知能」,コロナ社,1996 Hearsay-II （階層型ブラックボード）
- 100. 石田亨 ,片桐恭弘,桑原和宏, 「分散人工知能」,コロナ社,1996 Hearsay-II 解析過程図
- 101. Hearsay-II 解析過程図 データ アルファ ベット 推測 音節 分析 石田亨 ,片桐恭弘,桑原和宏,「分散人工知能」, コロナ社, 1996
- 102.
- 103.
- 104. ブラックボード・アーキテクチャの歴史 コンピューターの処理速度が遅かった時代に、 取得した科学的統計データを、複数のコンピューターを並列して 分散処理するために発展されたアーキテクチャ。 H. PennyNii,"The BlackboardModel of ProblemSolvingand the Evolutionof Blackboard Architectures" http://www.aaai.org/ojs/index.php/aimagazine/article/view/537 H. PennyNii,"BlackboardApplicationSystems,BlackboardSystemsand a Knowledge EngineeringPerspective", http://www.aaai.org/ojs/index.php/aimagazine/article/view/550 1970年代には様々な局面で応用される。 1980年代にはいろいろな形に発展される。 1990年代に分散処理、エージェントの概念が発展して、一時忘れられる。 2000年代にキャラクターAIの「表現モデル」として新しい用途として復活する。 (MIT Media Lab. の C4 アーキテクチャで使用され、以後デジタルゲームの キャラクターAIの内部で用いられる）。
- 105.
- 106.
- 107.
- 108. 集団の協調 1 2 3 4 5 KS Ａ Ｂ Ｃ EnemyB Slot 2 Enemy C Slot 1 Enemy A Slot 2 Enemy B Slot 1 Enemy C Slot 2 http://dear-croa.d.dooo.jp/
- 109. 1 2 3 4 5 KS Ａ Ｂ Ｃ EnemyB Slot 2 Enemy C Slot 1 Enemy A Slot 2 Enemy B Slot 1 Enemy A Slot 2 Entry Accept! 集団の協調 http://dear-croa.d.dooo.jp/
- 110. 1 2 3 4 5 KS Ａ Ｂ Ｃ EnemyB Slot 2 Enemy C Slot 1 Enemy A Slot 2 Enemy B Slot 1 Enemy A Slot 2 Entry Reject! 集団の協調 http://dear-croa.d.dooo.jp/
- 111. 1 2 3 4 5 KS Ａ Ｂ Ｃ EnemyB Slot 2 Enemy C Slot 1 Enemy A Slot 2 Enemy B Slot 1 Enemy A Slot 2 集団の協調 http://dear-croa.d.dooo.jp/
- 112. 目次 • 第一章 ゲームAIと人工生命 •第二章 戦術位置検索システム • 第三章 知能とコミュニケーション • 第四章 ゲームにおける様々な実例 • 第五章 分散人工知能 • 第六章 「ゲームにおけるマルチエージェント」 第１節 集団における知性 概論 第２節 群知能の方法 第３節 クロムハウンズにおけるマルチエージェント技術 第４節 発展 • 第七章 人工知能と創造性 • 第八章 メタAIの発展
- 113.
- 114.
- 115. 目次 • 第一章 ゲームAIと人工生命 •第二章 戦術位置検索システム • 第三章 知能とコミュニケーション • 第四章 ゲームにおける様々な実例 • 第五章 分散人工知能 • 第六章 「ゲームにおけるマルチエージェント」 第１節 集団における知性 概論 第２節 群知能の方法 第３節 クロムハウンズにおけるマルチエージェント技術 第４節 発展 • 第七章 人工知能と創造性 • 第八章 メタAIの発展
- 116.
- 117. 集団における知性 プレイヤーを楽しませる知能を持つＡＩの集団を作る。今日のテーマ １０人の敵、１００人の敵の隊列、 １０００人の敵、１００００人の敵… 単なる集合 ユーザー・インタラクティブ デジタルゲーム、ＶＲにおいては、 プレイヤーに実感できなければ いけない！ ゲームによくあるパターン 人工知能研究エンターテインメント A.I. 技術 企画 集団として知的に振舞う 全体として 知能を持つ集団
- 118.
- 119.
- 120.
- 121.
- 122.
- 123.
- 124.
- 125.
- 126.
- 127.
- 128.
- 129.
- 130.
- 131. 群知能（例） 蟻の群 列形成 Ant. Illustration:A Howells © Australian Museum. えさをみつける、えさを運ぶ、フェロモンを出す フェロモン分泌による位置の伝達
- 132. 蟻の群 フェロモン えさ 巣穴 （１） えさをみつけた蟻は、フェロモンを出しながら巣へ戻る。 （２） フェロモンは他の蟻を引き寄せる （３）引き寄せられた蟻は、フェロモンを出しながらえさを巣へ運ぶ 関係のさせ方 [蟻、デモ] Roberto Aguirre Maturana の Ant Farm Simulator(Source Code、実行ファイルなど。実行方法：「File->New->再生ボタン」)
- 133. [蟻、デモ] Roberto AguirreMaturana の Ant Farm Simulator(Source Code、実行ファイルなど。実行方法：「File->New->再生ボタン」)
- 134.
- 135.
- 136.
- 137.
- 138.
- 139.
- 140.
- 141.
- 142. [ ロボカップサッカー 行動１ 行動２ 行動３ ＦＭ２ 行動１ 行動２ 行動３ 行動４ 行動１ 行動２ 行動３ ・・・・ １ ２ ３４ ＦＭ１ ＦＭｎ トリガー 条件 トリガー 条件 トリガー 条件 トリガーがオンになったＦＭが、各行動に適したＡＩを選んで実行させるシステム フォーメーション・プレイ制御例 (PeterStone) [協調、ロボカップ] Peter Stone, LayeredLearningin Multiagent Systems:A Winning Approach to Robotic Soccer(紹介)
- 143. 群知能からマルチエージェントへ 群知能 マルチエージェント 全体 特性 機能性 合理性 対象 自然社会 要素 反射的、単純条件、単一機能を持 つ知能、或いは小プログラム 役割、或い目的（ゴール）を持つ エージェント 総合 「個々の能力」を総合 「役割」「目的」を組み合わせる 実現 可能 進化を含む柔軟なシステム ドライでソリッドなシステム 得意 分野 運動 概念 応用 例 群制御、多数の小ロボット制御 社会、経済シミュレーション 自然 社会 昆虫植物 動物 微生物 ヒトコンピュータ ロボット 機械 魚
- 144.
- 145.
- 146.
- 147. http://yourvideo.heteml.jp/detail.php5?id=pxpK_UfMdDY ザトウクジラの群れの協調行動 http://echeng.com/journal/images/misc/060705_095108_echeng3649.jpg くじらの声 Bubble Net Fishing Messageのやりとりでお互いを制御 お互い声でコミュニケーションを取りながら、 泡を出して壁を作り魚たちを囲い込んで、 下から口に入れる。 関係のさせ方
- 148.
- 149. 交通シミュレーター Message のやりとりでお互いを制御 Request …接触の可能性のある相手の車に 自分の属性と予定のコースと時刻を知らせる Change-request … request の変更 Cancel … キャンセル Reservation-completed … 横断完了の知らせ 二つの役割をコミュニケーションにより動的に規定 通りま す 待ちます The Autonomous Intersection Management project http://www.cs.utexas.edu/~kdresner/aim/
- 150.
- 151.
- 152.
- 153.
- 154. 目次 • 第一章 ゲームAIと人工生命 •第二章 戦術位置検索システム • 第三章 知能とコミュニケーション • 第四章 ゲームにおける様々な実例 • 第五章 分散人工知能 • 第六章 「ゲームにおけるマルチエージェント」 第１節 集団における知性 概論 第２節 群知能の方法 第３節 クロムハウンズにおけるマルチエージェント技術 第４節 発展 • 第七章 人工知能と創造性 • 第八章 メタAIの発展
- 155.
- 156.
- 157.
- 158.
- 159.
- 160. 群知能（例） 群制御の方法 分離(Separation) 整列(Alignment)集合(Cohesion) 群れの動きは「分離」「整列」「集合」の３つのアルゴリズムから 構成できる（Craig Reynolds,1987） 鳥、蟻、人間の群集への応用 分離、整列、集合 http://www.red3d.com/cwr/boids/
- 161. D:¥My Documents¥IGDA¥3rdVideo¥flock¥3cr.mov PigeonPark.movspecies_static_360p.mp4 群制御の一般的な応用例 ゲームへの 応用 Stanleyand Stellain:Breaking the Ice (1987) Craig Reynolds 1987 2000 2006 ゲームクリエーター 2002 単純な技術が実用的へ発展して行く
- 162.
- 163. Stanley and Stellain: Breaking the Ice (1987) http://www.red3d.com/cwr/boids/
- 164.
- 165.
- 166.
- 167. 群知能の方法① 群制御 まとめ （１）群制御は、自然界の生物の動きを シミュレーションする。 （２） ゲームにおいては、リアリティーのある ＮＰＣたちを作るのに役立つ。
- 168.
- 169.
- 170.
- 171.
- 172.
- 173.
- 174.
- 175.
- 176.
- 177.
- 178. クロムハウンズ (2006, Fromsoftware) オフラインコマンダーミッション プレイヤー 自律性を抑える 連携はなし ＡＩチーム 命令 AIが勝手にミッションをクリアしては困る ゲームというのは、必ずプレイヤーによって決着せねばならない
- 179. ブラック アンド ホワイト ゴッドゲーム Populus レミングスの逆単純なＡＩたちが連携できるように障害をなくす ＮＰＣは単純な行動しか出来ない。 ブラック アンド ホワイト は群知能か？ ？ なぜ？ ？
- 180.
- 181. 目次 • 第一章 ゲームAIと人工生命 •第二章 戦術位置検索システム • 第三章 知能とコミュニケーション • 第四章 ゲームにおける様々な実例 • 第五章 分散人工知能 • 第六章 「ゲームにおけるマルチエージェント」 第１節 集団における知性 概論 第２節 群知能の方法 第３節 クロムハウンズにおけるマルチエージェント技術 第４節 発展 • 第七章 人工知能と創造性 • 第八章 メタAIの発展
- 182.
- 183.
- 184.
- 185.
- 186. クロムハウンズ 発売元 : セガ デザイン: フロムネットワークス 開発元 : フロムソフトウエア (C) SEGA Corporation / FromNetworks, Inc. / FromSoftware, Inc. , 2006 ２００６年６月、世界７カ国で、同時発売
- 187. クロムハウンズはどんなゲームか？ (1) オンライン (2) アクション (3)勝利条件 (4) スカッドと呼ばれるチームをベース (5) ８０を超える複雑なマップ (6) コミュニケーションのシステム (7) 戦略の重要性 Multiplayer Online Battles on Xbox 360 詳細 CH-I 基本設定:
- 188.
- 189.
- 190.
- 191.
- 192.
- 193.
- 194.
- 195.
- 196.
- 197.
- 198.
- 199.
- 200.
- 201.
- 202.
- 203. プランニングとは？ 初期状態 ゴール行動１ 行動２行動３ 行動４ 基本概念： 初期状態 ゴール プラナー 復習
- 204.
- 205.
- 206. ゴール指向型プランニング ゴール 環境 本拠地を 守れ 敵をたおせ 味方を援護 複数のゴール × プランニング 多数の目的目的に対する多様な行動 プランニング プランニング プランニング ＝ ゲーム状況から、為すべきことを判断し、 最も適切な方法でそれを達成するＣＯＭ
- 207.
- 208.
- 209.
- 210.
- 211. クロムハウンズ 最終的なゴール総合図 歩く 撃つ止まる ２点間を 移動 歩く、一度 止まる、歩く 攻撃 する パスを たどる 敵を叩く 味方を 守る 操作層 振る舞い層 戦術層 戦略層 通信塔 占拠 静止 する ある地点へ 行く 本拠地 防衛 敵本拠地 破壊 味方を 助ける 巡回 する 敵基地 偵察 近付く 合流 する 巡回 する 逃げる 後退 する 前進 する 敵側面 へ移動
- 212.
- 213.
- 214.
- 215. クロムハウンズ ゴール総合図 歩く 撃つ止まる ２点間を 移動 歩く、一度 止まる、歩く 攻撃 する パスを たどる 敵を叩く 味方を 守る 操作層 振る舞い層 戦術層 戦略層 通信塔 占拠 静止 する ある地点へ 行く 本拠地 防衛 敵本拠地 破壊 味方を 助ける 巡回 する 敵基地 偵察 近付く 合流 する 巡回 する 逃げる 後退 する 前進 する 敵側面 へ移動 状況に応じて、戦略を選ぶ知能が必要 複数のゴール ゴールを選択する意思決定機構 選択
- 216.
- 217.
- 218. エージェントが意思決定をする仕組み その戦略を達成することで得られる 見返り(S； 重要度)と、 それを達成するための リスク(R； 危険度) の兼ね合い 実行評価値(E) ＝ S * ( 1 –R ) S（７３） R(５７) S（１１） R(８) S（８９） R(６４) S（２４） R(４) S（３３） R(８０) S（３３） R(４３) S（３３） R(２) 本拠地 破壊 通信塔 占拠 1 E = 24 2 E =12 3 E =6 C E = 20 D E = 32 F E = 3 J E = 21
- 219. 通信塔の「重要度 S」 ３つのファクターから決まる。 (1) 味方司令部との関係(通信塔- 敵司令部 ) (2) 敵司令部との関係 (通信塔- 味方司令部) (3) 通信塔同士の関係 (通信塔- Combus ) S = W_1 * 味方司令部との距離による関数 + W_2 * 敵司令部との距離による関数 + W_3 * 隣の通信塔の占拠状態からなる関数 W … 重み S = W_EBase * ( Σ F( L_EBase, L_MapScale ) * Est_Base_NonConstFactor + W_SBase * F( L_SBase, L_MapScale ) + W_InComNet * Est_InComNet W_EBase + W_SBase + W_InComNet = 1 Est_InComNet = W_static * Est_Static_Combus + W_dynamic * Est_Dynamic_Combus Est_Static_Combus = (Connectable_Number - Connected_Number) /Max_Connectable_Number Est_Dynamic_Combus = Connected_Number/Max_Connectable_Number W_static + W_dynamic = 1 …
- 220. 通信塔の「重要度 S」 ３つのファクターから決まる。 (1) 味方司令部との関係(通信塔- 敵司令部 ) (2) 敵司令部との関係 (通信塔- 味方司令部) (3) 通信塔同士の関係 (通信塔- Combus ) S = W_1 * 味方司令部との距離による関数 + W_2 * 敵司令部との距離による関数 + W_3 * 隣の通信塔の占拠状態からなる関数 W … 重み
- 221. 通信塔の「危険度 R」 ３つのファクターによる。 (1) 敵ハウンズが通信塔からどれぐらいの距離にいるか。 (2)ザコ敵がどれぐらいの距離にいるか。 (3) 味方ハウンズが通信塔からどれぐらいの距離にいる R = W_1 * 敵ハウンズの通信塔との距離による関数 + W_2 * ザコ敵と通信塔の距離による関数 + W_3 * 味方ハウンズ通信塔との距離の関数 W … 重み パラメーター と関数の形を調整する 意志決定の形やハウンズの個性が決定 テストをくり返しながら 計 １００ 近くのパラメーターを調整
- 222.
- 223.
- 224. 自律型エージェントの実現 リアルタイム パス検索 × リアルタイム ゴール指向型プランニング × 意思決定機構 第１回セミナー 第２回セミナー 第３回セミナー 自律型エージェント完成 個としてのＡＩの完成 チームとしてのＡＩへ
- 225.
- 226. 集団における知性 クロムハウンズ メンバーの維持 相手チームに対する 状況的優位を築く ①護衛 ②救援 ③戦闘判断④集中砲火 勝利のための 統制された行動 ⑤チームＡＩ 最初はチームＡＩを入れない。 チーム対戦をくり返しながら、必要なＡＩ技術を導入し調整する。 ゴールによる協調 アルゴリズムによる協調 チームＡＩによる協調
- 227.
- 228.
- 229.
- 230. 集団における知性 クロムハウンズ メンバーの維持 相手チームに対する 状況的優位を築く ①護衛 ②救援 ③戦闘判断④集中砲火 勝利のための 統制された行動 ⑤チームＡＩ ゴールによる協調 アルゴリズムによる協調 新しいＡＩによる協調
- 231. プレイヤーたちの戦力 ＞ １．４ｘ エージェントたちの戦力 P プレイヤーたちの戦力 < １．４ ｘ エージェントたちの戦力 本拠地へ 退却 戦闘！ クロムハウンズにおけるマルチエージェント技術 ③ 戦闘判断 エージェントが周りの敵と味方の戦力を計算して 戦うべきか、逃げるべきかを判断する。 P P P P P P P P 戦力比が大きい無駄な戦闘を回避し、常に相手を上回る 戦力を増築してプレイヤーに対抗する デバッグの過程で追加
- 232.
- 233. 集団における知性 クロムハウンズ メンバーの維持 相手チームに対する 状況的優位を築く ①護衛 ②救援 ③戦闘判断④集中砲火 勝利のための 統制された行動 ⑤チームＡＩ ゴールによる協調 アルゴリズムによる協調 新しいＡＩによる協調
- 234.
- 235. 例えば、チームとして こういうことをさせたい 一機だけの戦闘で戦局が 変わることはない。 敵をやっつける時は、なるべく 多 ｖｓ １になるようにする 実際の戦闘がどうなっているかパターンを集めてみよう 戦力を集中させたい
- 236.
- 237.
- 238. チームAIの構造 チームAI 意志決定機構 チームとしての戦略 （＝勝利条件と同じ） ４つの戦略を持ち、ゲーム全体の状況を反映する 評価関数によって、一つの戦略を決定する。 (評価関数による意思決定 =個体の意志決定と同じ方法) 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 239. チームAIの構造 チームAI 意志決定機構 ４つの戦略を持ち、評価関数によって、一つの戦略を決定する。 (評価関数による意思決定 =個体の意志決定と同じ方法) 本拠地 破壊 本拠地 破壊 本拠地 破壊 一つのチーム戦略は、 各機体への命令からなる 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 240. チームAIの構造 ＝ ゴール指向型の拡張 チームAI意志決定機構 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 本拠地 破壊 本拠地 破壊敵本拠 地破壊 本拠地 破壊 一つのチーム戦略は、 各機体への命令からなるCOM 1 COM 2 COM 3 本拠地 破壊 本拠地 破壊 本拠地 破壊 プランニング COMのゴール指向プランニングの上に、チームAIを積み上げる
- 241.
- 242. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊 組織としての合理性 個としての合理性
- 243. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 実行評価値 :７６ 実行評価値 ：８８ × チームAIとCOMの ゴールの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 244. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 実行評価値 : ６４ 実行評価値 : ５３ × COMが二つの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 245. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 ７６ ８８ × COMが二つの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 246. チームＡＩの介入の仕方 1.0 0.0 前半 （５分、或いは、 戦場で一機が 撃墜されるま で） 中盤 （前半終了から５ 分） 後半 （中盤終了から５ 分） comp_idv comp_team 前半はチームＡＩより個としてのＡＩの判断を優先、 後半はチームＡＩの判断を優勢にしたい。 比較のためのチームＡＩゴール評価値 ＝ ゴール評価値ｘ comp_team 比較のためのCOM ＡＩゴール評価値 ＝ ゴール評価値 ｘ comp_idv COM優勢 COM、チーム競合 チーム優勢 チームＡＩを用いてゲームメーキングを行う 1.2
- 247.
- 248.
- 249. クロムハウンズにおけるマルチエージェント 技術まとめ （１） クロムハウンズは、各ＮＰＣが役割を持って協調する マルチエージェント構造である。 （２） 各ＮＰＣは個体としてはゴール指向プランニングの 思考を持ち、ゴールによって協調する。 （３）全体の動きはアルゴリズム的な運動によっても制御 される。 （４） ゲーム全体に渡っては、チームＡＩが制御し、 プレイヤーとのゲームメーキングを行う。
- 250. クロムハウンズＡＩ プレイヤたちーとＡＩたちが対等に争いながら競合する 新しいゲーム空間を創造したい 人間の心の葛藤 人間の組織の葛藤 行動の自由 集団としての自由度 学べたもの 学べなかったもの 柔軟な計画性 … 常に、個人としてもチームとしても 複数のプランを描き、行動している。 暗黙の協調性… 言葉で伝え合わなくても、意図を伝え合う。 （例） 「おまえがこうやると思ったから」など
- 251.
- 252.
- 253.
- 254. 目次 • 第一章 ゲームAIと人工生命 •第二章 戦術位置検索システム • 第三章 知能とコミュニケーション • 第四章 ゲームにおける様々な実例 • 第五章 分散人工知能 • 第六章 「ゲームにおけるマルチエージェント」 第１節 集団における知性 概論 第２節 群知能の方法 第３節 クロムハウンズにおけるマルチエージェント技術 第４節 発展 • 第七章 人工知能と創造性 • 第八章 メタAIの発展
- 255.
- 256.
- 257.
- 258.
- 259.
- 260.
- 261.
- 262.
- 263.
- 264.
- 265.
- 266.
- 267.
- 268.
- 269. 本講演のまとめ （１） 第１章では、「集団における知能」の全体像を、 「群知能」「マルチエージェント」という２極から概観した。 （２） 第２章では「群知能」がゲームの世界にどのように入 り込んでいるかを探求したが、ゲームはまだその本質に たどりついていない。 これからの開発者に期待 （３）第３章では「クロムハウンズ」を例に、ゴールからなる マルチエージェントの方法を理解した。 マルチエージェントは明瞭な方法
- 270.
- 271. 目次 • 第一章 ゲームAIと人工生命 •第二章 戦術位置検索システム • 第三章 知能とコミュニケーション • 第四章 ゲームにおける様々な実例 • 第五章 分散人工知能 • 第六章 「ゲームにおけるマルチエージェント」 第１節 集団における知性 概論 第２節 群知能の方法 第３節 クロムハウンズにおけるマルチエージェント技術 第４節 発展 • 第七章 人工知能と創造性 • 第八章 メタAIの発展
- 272.
- 273.
- 274.
- 275. アーロンのアルゴリズム • 知識ベースの人工知能 (左) 学んだ知識から描く （右）架空のものを学んだものから描く 19851983
- 276.
- 277.
- 278.
- 279.
- 280.
- 281.
- 282. NO MAN’S SKY(Hello Games, 2016) http://www.no-mans-sky.com/ 宇宙、星系、太陽系、惑星を自動生成する。
- 283.
- 284. FarCry2 (Dunia Engine) デモ 草原自動生成 時間システム 樹木自動生成 動的天候システム 動的天候システム http://www.farcry2-hq.com/downloads,18,dunia-engine-nr1.htm
- 285. 目次 • 第一章 ゲームAIと人工生命 •第二章 戦術位置検索システム • 第三章 知能とコミュニケーション • 第四章 ゲームにおける様々な実例 • 第五章 分散人工知能 • 第六章 「ゲームにおけるマルチエージェント」 第１節 集団における知性 概論 第２節 群知能の方法 第３節 クロムハウンズにおけるマルチエージェント技術 第４節 発展 • 第七章 人工知能と創造性 • 第八章 メタAIの発展
- 286.
- 287. Procedural Generation inWarFrame • Warframe ではダンジョンが自動生成される。 Daniel Brewer,AI Postmortems:Assassin'sCreed III,XCOM:Enemy Unknown,andWarframe(GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 288. Black Combination inWarFrame • ブロックを組み合わる • 完全に零からの生成 ではない。 このような生成のことを Semi-procedural と言う。 Daniel Brewer,AI Postmortems:Assassin'sCreed III,XCOM:Enemy Unknown,andWarframe(GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 289.
- 290. WarFrame における自動生成マップの 自動解析によるナビゲーションデータ作成 抽出した骨格に沿って 自動的にナビゲーション・データを作成します。 Daniel Brewer,AIPostmortems:Assassin'sCreed III,XCOM:Enemy Unknown,andWarframe(GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 291. スタートポイント、出口、目的地の 自動生成 Daniel Brewer,AI Postmortems:Assassin'sCreedIII,XCOM:Enemy Unknown,andWarframe(GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 292. ヒートマップ（影響マップ）を用いて ゲーム中にプレイヤーの周囲を自動解析 Daniel Brewer,AI Postmortems:Assassin'sCreedIII,XCOM:Enemy Unknown,andWarframe(GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed ヒートマップ（影響マップ）とは、対象（ここではプレイヤー）を中心に、位置に温度（影響度）を 与える方法です。距離に応じて減衰します。また時間が経つと、周囲に熱が拡散します。
- 293. Tactical Map の例(影響マップ) （例）敵と自分の勢力をリアルタイムに計算する。 4 6 8 8 8 8 6 4 2 0 -1 -2 -4 -4 -4 -2 4 6 8 8 8 8 4 2 1 0 -2 -4 -4 -2 4 6 8 8 8 6 3 1 0 -2 -4 -4 -4 -2 4 6 8 8 8 6 6 4 1 0 -2 -4 -4 -2 2 4 6 8 6 6 4 4 0 -1 -2 -4 -4 -4 -2 1 2 4 6 6 4 2 2 -4 -5 -3 -3 -4 -4 -2 -1 3 3 3 3 4 2 2 0 -4 -5 -5 -8 -8 -6 -4 -2 3 3 2 2 2 0 -2 -4 -8 -10 -10 -8 -4 -2 3 3 3 2 2 1 0 -4 -8 -10 -10 -8 -8 -4 -2 2 2 2 2 1 1 0 -3 -8 -10 -10 -8 -8 -4 -2 1 1 1 1 0 0 -2 -4 -8 -8 -8 -8 -8 -8 -8 -8 0 0 0 0 0 -1 -1 -2 -5 -6 -6 -6 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -4 -4 -4 -6 -8 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1
- 294. ヒートマップ（影響マップ）を用いて ゲーム中にプレイヤーの周囲を自動解析 「ヒートが増加する＝プレイヤーが近づく点」 「ヒートが減少する＝プレイヤーが遠ざかる点」 Daniel Brewer,AI Postmortems:Assassin'sCreedIII,XCOM:Enemy Unknown,andWarframe(GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 295. アクティブ・エリアセット（Active Are Set） DanielBrewer,AI Postmortems:Assassin'sCreed III,XCOM:Enemy Unknown,andWarframe(GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed アクティブ・エリアセットは、プレイヤーの周囲の領域で、 リアルタイムにメタAIがゲームを調整する領域
- 296. メタAIがアクティブ・エリアセット内で ゲームを調整する 「ヒートが増加する＝プレイヤーが近づく点」なので、モンスターを生成する。 「ヒートが減少する＝プレイヤーが遠ざかる点」なので、モンスターを停止する。 Daniel Brewer,AI Postmortems:Assassin'sCreedIII,XCOM:Enemy Unknown,andWarframe(GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 297. メタAI （AI Director,）による 動的ペース調整 DanielBrewer,AI Postmortems:Assassin'sCreed III,XCOM:Enemy Unknown,andWarframe(GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 298. メタＡＩ（自動適応ペーシング） メタAI （AI Director,）による 動的ペース調整 DanielBrewer,AI Postmortems:Assassin'sCreed III,XCOM:Enemy Unknown,andWarframe(GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 299. メタAIによる出会うモンスターの数の 大域調整 Daniel Brewer,AI Postmortems:Assassin'sCreedIII,XCOM:Enemy Unknown,andWarframe(GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed プレイヤーのスタート地点から出口までの道のりで、 コンスタントにモンスターと出会うようにする。