डिसे डंजेन्स खेल के उदाहरण का उपयोग करके एआई विकास

लगभग एक महीने के लिए, मैं अपने नए गेम की सबसे कठिन तकनीकी समस्याओं में से एक को हल कर रहा था, डाइसि डेंजन्स - गेम की अंतिम रिलीज के लिए एक बेहतर एआई। यह एक बहुत ही दिलचस्प काम था, और इसमें से बहुत कुछ मेरे लिए नया था, इसलिए मैंने इसके बारे में थोड़ा लिखने का फैसला किया।

शुरू करने के लिए, मैं समझाता हूं: मैं कंप्यूटर के सिद्धांत का विशेषज्ञ नहीं हूं, लेकिन सिर्फ उन लोगों में से एक है जिन्होंने वीडियो गेम बनाने के लिए पर्याप्त प्रोग्रामिंग का अध्ययन किया है, जिसके बाद मैंने अपनी पढ़ाई को केवल वही समझकर समाप्त किया जो मुझे चाहिए था। आमतौर पर मैं अपनी समस्याओं को अपने दम पर हल कर सकता हूं, लेकिन एक वास्तविक प्रोग्रामर सबसे अधिक मेरे निर्णयों को स्वीकार नहीं करेगा।

मैंने अमूर्तता के उच्च स्तर पर एक लेख लिखने की कोशिश की ताकि गैर-प्रोग्रामर के लिए भी मूल विचार स्पष्ट हो। लेकिन मैं ऐसी चीजों का विशेषज्ञ नहीं हूं, इसलिए सिद्धांत की मेरी व्याख्या गलत हो सकती है। मूल टिप्पणी में इस बारे में मुझे लिखें, मैं ख़ुशी से बदलाव करूँगा!

ठीक है, चलो कार्य समझाकर शुरू करें!

कार्य

यदि आपने डाइसि डनगेन्स को नहीं खेला है, तो मैं आपको खेल के बारे में संक्षेप में बताऊंगा: यह डेक्युलेशन के साथ एक आरपीजी है, जिसमें प्रत्येक दुश्मन के पास विभिन्न कार्यों को करने वाले हथियार नक्शों का एक सेट होता है। इसके अलावा, वे पासा चलाते हैं! तब उन्होंने नुकसान से निपटने के लिए या विभिन्न स्थिति प्रभाव बनाने, या चंगा करने, या क्षति से खुद का बचाव करने के लिए और इस तरह से इन पासा को आयुध में डाल दिया। यहाँ एक सरल उदाहरण है कि कैसे एक छोटा मेंढक एक बड़ी तलवार और एक छोटी ढाल का उपयोग करता है:


एक अधिक जटिल उदाहरण: सभी ट्रेडों के इस जैक में एक स्पैनर है, जो आपको दो पासा एक साथ रखने की अनुमति देता है (अर्थात, 3 + 2 5 देगा, और 4 + 5 6 और 3 देगा)। उसके पास एक हथौड़ा (हैमर) भी है, जो खिलाड़ी पर "झटका" प्रभाव डालता है, यदि आप उसे छह और एक मटर शूटर (मटर शूटर) लगाते हैं, जो थोड़ा नुकसान करता है, लेकिन इसमें "उलटी गिनती" होती है, तो यह कई चालों के लिए वैध है।


एक और महत्वपूर्ण जटिलता: खेल में स्थिति प्रभाव होते हैं जो विरोधियों की क्षमताओं को बदलते हैं। इनमें से सबसे महत्वपूर्ण शॉक है, जो बेतरतीब ढंग से हथियारों को निष्क्रिय करता है; इस पर एक अतिरिक्त घन का उपयोग करके झटके को हटाया जा सकता है, और "बर्न", जो क्यूब्स में आग लगाता है। जबकि क्यूब्स जल रहे हैं, उनका उपयोग किया जा सकता है, लेकिन प्रत्येक उपयोग में 2 स्वास्थ्य बिंदु होंगे। यह वही है जो एक चालाक अप्रेंटिस करता है, जब मैं उसके सभी हथियारों और घनों पर झटका और जलन डालता हूं:


बेशक, खेल में बहुत कुछ है, लेकिन एक सामान्य विचार प्राप्त करने के लिए, यह पर्याप्त है।

तो, हमारा काम: एआई को अपनी चाल के लिए सबसे अच्छी कार्रवाई चुनने के लिए कैसे प्राप्त करें? वह कैसे पता लगा सकता है कि कौन से जलते हुए क्यूब को बाहर निकालना है, किस शावक को झटका से राहत देने के लिए उपयोग करना है, और कौन से महत्वपूर्ण हथियारों के लिए रखना है?

जैसा उसने पहले किया था

एक लंबे समय के लिए, डिसी डन्गन्स में एआई का केवल एक नियम था: उसने बाएं से दाएं सभी हथियारों को देखा, सबसे अच्छा घन निर्धारित किया जो उस पर इस्तेमाल किया जा सकता था, और फिर इसका इस्तेमाल किया। इसने महान काम किया, लेकिन कुछ अपवाद भी थे। इसलिए मैंने नए नियम जोड़े।

उदाहरण के लिए, मैंने उन सभी हथियारों को देखकर सदमे का सामना किया, जो झटके के अधीन नहीं थे, और यह चुनने पर कि कब कौन सा घन मैं उस पर उपयोग करूंगा जब झटका हटा दिया गया था, और फिर इस घन को भविष्य के लिए "आरक्षित" के रूप में चिह्नित किया। मैंने इस तरह से जलते हुए क्यूब्स के साथ काम किया: मैंने जाँच की कि क्या मुझे उन्हें बाहर निकालने के लिए पर्याप्त स्वास्थ्य है, और बेतरतीब ढंग से चुना कि क्या ऐसा करना है।

मैंने हर चीज के लिए नियम से नियम जोड़ा जिसकी मैं कल्पना कर सकता था, और परिणामस्वरूप मुझे एक एआई मिला जो काम करने लगता था! वास्तव में, यह आश्चर्यजनक है कि विभिन्न नियमों के इस इंटरवेविंग ने खुद को कितना अच्छा दिखाया - एआई इन डाइसि डंगजन्स हमेशा सही निर्णय नहीं ले सकते हैं, लेकिन यह हमेशा कम से कम स्वीकार्य था। कम से कम एक खेल अभी भी विकास के तहत।

लेकिन समय के साथ, नए नियमों को लगातार जोड़ने की प्रणाली ने तेजी से दरार करना शुरू कर दिया। लोगों ने ऐसे कारनामों की खोज की है जिससे एआई मूर्खतापूर्ण व्यवहार करता है। उदाहरण के लिए, सही दृष्टिकोण के साथ, आप बॉस में से किसी एक को आउट कर सकते हैं ताकि वह खिलाड़ी पर हमला न करे। स्थिति को सही करने के लिए मैंने जितने अधिक नियम जोड़े, उतनी ही अजीब चीजें होने लगीं - कुछ नियम दूसरों के साथ विवाद में आए, सीमा के मामले सामने आने लगे।

बेशक, समाधानों में से एक था नए नियमों को जोड़ना, प्रत्येक कार्य को एक-एक करके विचार करना, और यदि उन्हें संसाधित करने के लिए निर्माण करता है तो नया निर्माण करना। लेकिन मुझे लगता है कि इस तरह से मैंने समस्या का सही समाधान निकाला। सिस्टम की सीमा यह थी कि इसने केवल एक प्रश्न की चिंता की: "मेरी अगली चाल क्या होगी?" उसने कभी आगे नहीं देखा और यह सुझाव देने की कोशिश नहीं की कि एक विशेष स्मार्ट संयोजन क्या हो सकता है ।

इसलिए मैंने फिर से शुरू करने का फैसला किया।

क्लासिक समाधान

खेलों के लिए एआई के बारे में जानकारी देखने की कोशिश करें, और सबसे अधिक संभावना है कि आप एक क्लासिक समाधान भर में आएंगे - एक मिनिमैक्स एल्गोरिथ्म का निर्माण। शतरंज के लिए AI विकसित करने में इसका उपयोग कैसे किया जाता है, इस पर एक वीडियो देखें:


न्यूनतम कार्यान्वयन इस प्रकार है:

सबसे पहले, हम अपने गेम का सबसे सरल, सार संस्करण बनाते हैं, जिसमें गेम में समय के लिए एक विशिष्ट बिंदु के लिए सभी आवश्यक जानकारी होती है। हम इसे बोर्ड कहेंगे। शतरंज के मामले में, ये सभी टुकड़ों की वर्तमान स्थिति हैं। Dicey Dungeons के मामले में, यह पासा, हथियारों और स्थिति प्रभावों की एक सूची है।

फिर हम एक मान फ़ंक्शन बनाते हैं जो मापता है कि गेम किसी विशेष गेम कॉन्फ़िगरेशन के लिए कितना अच्छा खेल रहा है, अर्थात किसी विशेष बोर्ड के लिए । उदाहरण के लिए, शतरंज में, एक बोर्ड जिस पर टुकड़े उनके मूल पदों में स्थित हैं, को 0 अंक पर रेट किया गया है। जिस बोर्ड पर आपने अपने प्रतिद्वंद्वी के मोहरे को खाया है, उसका मूल्य 1 अंक है, और जिस बोर्ड पर आपने अपना मोहरा खो दिया है, उसका मूल्य -1 अंक है। और जिस बोर्ड पर हमने विरोधी की जाँच की थी, उसका मूल्यांकन अंकों की अनंत संख्या या कुछ इस तरह किया जाएगा!

फिर, इस अमूर्त बोर्ड से, हम उन सभी संभावित चालों का अनुकरण करते हैं जो हम कर सकते हैं, जो हमें नए अमूर्त बोर्ड देता है। फिर हम इन बोर्डों पर सभी संभव चालों को पूरा करने का अनुकरण करते हैं, और इसी तरह, जितने चाहें उतने चरण। यहाँ freecodecamp.org से इसी तरह के समाधान का एक उत्कृष्ट चित्रण है:


हम सभी संभावित चालों का एक ग्राफ बनाते हैं जो दोनों खिलाड़ी बना सकते हैं, और खेल कैसे चल रहा है इसका मूल्यांकन करने के लिए एक मूल्य फ़ंक्शन लागू करते हैं।


और इसमें, डाइसि डेंजन्स मिनिमैक्स से भिन्न होता है: मिनिमैक्स गेम के गणितीय सिद्धांत से आया है, इसे दुनिया में चालों की सबसे अच्छी श्रृंखला खोजने के लिए डिज़ाइन किया गया है जहां प्रतिद्वंद्वी अपने स्कोर को अधिकतम करने के लिए प्रयास करता है। एल्गोरिथ्म को इसलिए कहा जाता है क्योंकि यह खिलाड़ी के नुकसान को कम करता है जब प्रतिद्वंद्वी अपनी जीत को अधिकतम करने के लिए खेलता है।

लेकिन पासा डंजेन्स में क्या होता है? वास्तव में, मुझे परवाह नहीं है कि मेरा प्रतिद्वंद्वी क्या करता है। खेल को रोमांचक बनाने के लिए, कृत्रिम बुद्धिमत्ता के लिए तार्किक चाल चलना पर्याप्त है - हथियारों को पासा लगाने का सबसे अच्छा तरीका निर्धारित करना, ताकि लड़ाई निष्पक्ष हो। दूसरे शब्दों में, "मिनी" के बिना, केवल "अधिकतम" मेरे लिए महत्वपूर्ण है।

अर्थात्, एआई डिसी डन्गन्स के लिए एक अच्छी चाल बनाने के लिए, मेरे लिए यह संभव कदमों के इस ग्राफ को बनाने और बोर्ड को खोजने के लिए है, जिसमें उच्चतम स्कोर है, और फिर इस बिंदु पर अग्रणी चालें बनाएं।

दुश्मन की आसान चाल

खैर, चलिए उदाहरणों पर चलते हैं! चलो फिर से मेंढक को देखें। वह कैसे तय कर सकती है कि आगे क्या करना है? वह कैसे जानती है कि चुनी गई कार्रवाई सबसे अच्छी है?


वास्तव में, उसके पास केवल दो विकल्प हैं। चौड़ी तलवार पर 1, और ढाल पर 3 रखें, या इसके विपरीत करें। वह स्पष्ट रूप से निर्णय लेती है कि 1 के बजाय 3 लगाना बेहतर है। लेकिन क्यों? क्योंकि उसने सभी संभावित परिणामों का अध्ययन किया:


यदि आप तलवार पर 1 लगाते हैं, तो हमें 438 अंक मिलेंगे। यदि आप इस पर 3 लगाते हैं, तो हमें 558 अंक मिलते हैं। अद्भुत! इसलिए, मुझे तलवार 3 पर रखकर अधिक अंक मिलते हैं, समस्या हल हो गई है।

ये गिलास कहाँ से आते हैं? Dicey Dungeons में मूल्यांकन प्रणाली वर्तमान में निम्नलिखित पहलुओं को ध्यान में रखती है:

• नुकसान: सबसे महत्वपूर्ण कारक क्षति के प्रत्येक बिंदु के लिए 100 अंक है।
• ज़हर: एक महत्वपूर्ण स्थिति प्रभाव जिसे एआई लगभग नुकसान के रूप में महत्वपूर्ण मानता है - प्रत्येक जहर के लिए 90।
• अन्य स्थिति प्रभाव बनाना: उदाहरण के लिए, झटका, जलन, कमजोर होना, आदि। उनमें से प्रत्येक की लागत 50 अंक है।
• बोनस स्थिति प्रभाव: खिलाड़ी को खुद को सकारात्मक स्थिति प्रभाव में जोड़ना, जैसे कि रक्षा और इस तरह, प्रत्येक में 40 अंक खर्च होते हैं।
• हथियारों का उपयोग : किसी भी प्रकार के हथियार का उपयोग करने पर 10 अंक खर्च होते हैं, क्योंकि यदि कुछ और सफल नहीं होता है, तो AI को बस सब कुछ उपयोग करने की कोशिश करनी होगी।
• उलटी गिनती में कमी: कुछ प्रकार के हथियारों को सक्रिय करने के लिए (उदाहरण के लिए, मटर शूटर के लिए), पासा पर कुल राशि पर्याप्त है। इसलिए, एआई प्रत्येक काउंटडाउन बिंदु के लिए 10 अंक प्राप्त करता है जो इसे कम करता है।
• डाइस ऑन डाइस: एआई को पासा के हर अप्रयुक्त बिंदु के लिए 5 अंक मिलते हैं, अर्थात 1 की लागत 5 अंक होती है, और 6 की लागत 30 अंक होती है। ऐसा इसलिए किया जाता है ताकि एआई उन क्यूब्स का उपयोग न करना पसंद करे, जिन्हें आपको उपयोग करने की आवश्यकता नहीं है, इसलिए इसकी चाल मानवों के समान हो जाती है।
• अवधि: एआई प्रति बिंदु 1 अंक खो देता है, इसलिए लंबी चालों में शॉर्ट्स की तुलना में थोड़ा कम मूल्य होता है। ऐसा इसलिए किया जाता है ताकि दो चालों की उपस्थिति में जो समान मूल्य के अन्यथा हों, एआई सबसे कम चुनता है।
• उपचार: यह एक बहाल स्वास्थ्य बिंदु के लिए केवल 1 अंक खर्च करता है, क्योंकि मैं चाहता हूं कि एआई इस महत्वपूर्ण पर विचार करे, लेकिन मैंने वास्तव में अपने स्वास्थ्य की निगरानी नहीं की। हमेशा करने के लिए चीजें हैं और अधिक महत्वपूर्ण हैं!
• बोनस अंक: वे एआई को किसी भी चीज को करने के लिए मजबूर करने के लिए किसी भी चाल में जोड़ा जा सकता है जो उसने अन्यथा कभी नहीं किया होगा। बहुत संयमित रूप से उपयोग किया जाता है।

और अंत में, दो विशेष मामले हैं - अगर हमला किया गया लक्ष्य स्वास्थ्य से बाहर निकलता है, तो यह एक लाख अंक खर्च करता है। यदि स्वास्थ्य एआई के साथ समाप्त होता है, तो यह शून्य से एक मिलियन अंक कम है। इसका मतलब यह है कि एआई कभी गलती से खुद को नहीं मारेगा (उदाहरण के लिए, बहुत कम स्वास्थ्य के साथ एक मौत का भुगतान करना), या कभी भी ऐसा कदम न छोड़ें जिसमें वह एक खिलाड़ी को मार सके।

ये संख्या आदर्श नहीं हैं - उदाहरण के लिए, वर्तमान खुले मुद्दे: 640 , 642 , 649 , लेकिन यह बहुत महत्वपूर्ण नहीं है। यहां तक ​​कि लगभग सटीक संख्या एआई को कम या ज्यादा सही तरीके से उत्तेजित करने के लिए पर्याप्त है।

दुश्मन की अधिक कठिन चाल

मेंढक का मामला इतना सरल है कि मेरा भयानक कोड भी केवल 0.017 सेकंड में सभी विकल्पों का पता लगा सकता है। लेकिन तब स्थिति और जटिल हो जाती है। आइए फिर से सभी ट्रेडों के उदाहरण जैक को देखें।


इसका निर्णय पेड़ "थोड़ा सा" है:


दुर्भाग्य से, अपेक्षाकृत सरल मामलों में भी, जटिलता का एक विस्फोट काफी जल्दी होता है। इस मामले में, हमारे ग्राफ में हमें 2,670 नोड मिलते हैं जिनकी जांच करने की आवश्यकता होती है, और यह एक मेंढक के मामले में बहुत अधिक समय लेता है - शायद एक या दो सेकंड।

यह काफी हद तक कॉम्बीनेटरियल जटिलता के कारण है - उदाहरण के लिए, इससे कोई फर्क नहीं पड़ता कि हम शुरू में झटके से राहत देने के लिए हम दोनों में से किसका उपयोग करते हैं, एल्गोरिथ्म इसे दो अलग-अलग समाधान मानता है, और प्रत्येक के लिए शाखाओं में बंटी समाधान का एक पूरा पेड़ बनाता है। नतीजतन, हमें एक शाखा मिलती है जिसका दोहराव पूरी तरह से अनावश्यक है। भुनाई के लिए ब्लॉक चुनते समय, हथियारों से झटका हटाने के लिए, और उनके उपयोग के लिए प्रक्रिया के समान समान कॉम्बीनेटरियल समस्याएं भी हैं।

लेकिन यहां तक ​​कि अगर हम ऐसी अनावश्यक शाखाओं को पाते हैं और उनका अनुकूलन करते हैं (जो मैं एक निश्चित सीमा तक करता हूं), तो हमेशा एक ऐसा बिंदु होगा जिस पर समाधान की सभी संभावित क्रमबद्धता की जटिलता विशाल, धीमी गति से निर्णय लेने वाले पेड़ों की ओर ले जाती है, जिसके मूल्यांकन में अनंत समय लगेगा। तो, यह इस दृष्टिकोण की पहली गंभीर समस्या है। यहाँ एक और एक है:


मास्टर कुंजी। घन को दो में विभाजित करता है।

यह महत्वपूर्ण प्रकार का हथियार (और इसी तरह के) एआई समस्याओं का कारण बनता है क्योंकि इसके उपयोग का परिणाम अनिश्चित है । अगर मैं इस पर छक्का लगाता हूं, तो मुझे पांच और एक, या चार और दो, या शायद दो तीन मिल सकते हैं। जब तक मैं ऐसा नहीं करता, मुझे यह पता नहीं है, इसलिए एक योजना बनाना बहुत मुश्किल है जो इसे ध्यान में रखेगा।

सौभाग्य से, Dicey Dungeons के पास इन दोनों समस्याओं का शानदार समाधान है!

आधुनिक समाधान

मोंटे कार्लो ट्री सर्च (MCTS) विधि एक संभाव्य निर्णय निर्णय एल्गोरिथ्म है। नीचे एक थोड़ा अजीब वीडियो है, जो, हालांकि, बहुत अच्छी तरह से मोंटे कार्लो पद्धति के आधार पर निर्णय लेने के सिद्धांत की व्याख्या करता है:


वास्तव में, ग्राफ़ में हर संभव कदम को जोड़ने के बजाय, MCTS यादृच्छिक चालों के अनुक्रम की जांच करता है, और फिर उन लोगों को ट्रैक करता है जो बेहतर साबित हुए हैं। अपर कॉन्फिडेंस बाउंड नामक सूत्र के लिए धन्यवाद, वह जादुई रूप से यह निर्धारित कर सकता है कि निर्णय पेड़ की कौन सी शाखाएं "सबसे आशाजनक" हैं:


वैसे, मैंने इस सूत्र को मोंटे कार्लो विधि का उपयोग करके पेड़ों की खोज के बारे में एक बहुत उपयोगी लेख से लिया है। मुझसे मत पूछो कि यह कैसे काम करता है!

MCTS के बारे में आश्चर्यजनक बात यह है कि सबसे अच्छा समाधान खोजने के लिए, हमें आमतौर पर हर चीज की गूढ़ खोज से गुजरना नहीं पड़ता है, और हम एक ही सार मंडल / मूविंग सिमुलेशन सिस्टम का उपयोग न्यूनतम में कर सकते हैं। यही है, हम दोनों एल्गोरिदम का उपयोग करते हैं। यह ठीक उसी तरह की योजना है जिसका उपयोग मैंने डाइसि डंगजन्स में किया था। सबसे पहले, वह निर्णय के पेड़ की पूरी तैनाती की कोशिश करती है, जो आमतौर पर ज्यादा समय नहीं लेती है और सर्वोत्तम परिणाम की ओर ले जाती है। लेकिन अगर पेड़ बहुत बड़ा लगता है, तो हम MCTS का उपयोग करने के लिए वापस आ रहे हैं।

MCTS में दो बहुत अच्छे फीचर हैं जो Dicey Dungeons के लिए एकदम सही हैं:

सबसे पहले, विधि अनिश्चितता के साथ आदर्श रूप से काम करती है। चूंकि यह बार-बार किया जाता है, प्रत्येक रन से डेटा एकत्र करना, मैं बस इसे अपरिभाषित चालों का अनुकरण करने देता हूं, उदाहरण के लिए, मास्टर कुंजी का उपयोग करके, प्राकृतिक तरीके से, और कई रन के बाद विधि इस कदम के परिणामस्वरूप प्राप्त अंकों की काफी सही सीमा बनाती है।

दूसरे, वह मुझे आंशिक समाधान दे सकता है। वास्तव में, जब आप MCTS के साथ काम करते हैं, तो आप जितने चाहें उतने सिमुलेशन कर सकते हैं। सैद्धांतिक रूप से, अगर यह अंतहीन प्रदर्शन किया जाता है, तो यह बिल्कुल वैसा ही परिणाम देगा जैसा कि मिनिमैक्स। हालाँकि, मेरे लिए जो अधिक महत्वपूर्ण है, वह यह है कि मैं सीमित समय में सोच-समझकर एक अच्छा समाधान प्राप्त करने के लिए MCTS का उपयोग कर सकता हूं। जितनी अधिक खोज हम करते हैं, उतना ही बेहतर "समाधान" मिलेगा, लेकिन डाइसि डुंगोंस के मामले में अक्सर केवल कुछ सौ खोजें पर्याप्त होती हैं, जो एक दूसरे के एक छोटे से हिस्से को लेती हैं।

रोचक संबंधित विषय

तो, यह है कि डेज़ी डंगों में दुश्मनों ने आपको मारने का फैसला किया है! मैं इस प्रणाली को गेम के अगले संस्करण v0.15 में जोड़ना चाहता हूं!

मेरे द्वारा दिखाए गए रेखांकन कहां से आए, जिसमें ट्विटर शामिल है:


मैंने उन्हें ग्राफएमएल के लिए एक निर्यातक लिखकर बनाया, एक खुला स्रोत ग्राफ फ़ाइल प्रारूप जिसे कई विभिन्न उपकरणों द्वारा पढ़ा जा सकता है। (मैंने उत्कृष्ट yEd का उपयोग किया, जिसकी मैं अत्यधिक अनुशंसा करता हूं।)

इस समस्या के समाधान का एक हिस्सा एआई को चालों को अनुकरण करने की अनुमति देना था, जो अपने आप में एक दिलचस्प पहेली है। नतीजतन, मैंने एक एक्शन स्क्रिप्टिंग सिस्टम लागू किया। अब जबकि विरोधी विभिन्न प्रकार के हथियारों का उपयोग कर रहे हैं। वे इन छोटी लिपियों पर अमल करते हैं:


इन छोटी लिपियों को hxe के आधार पर hscript पार्सर और अभिव्यक्ति दुभाषिया द्वारा निष्पादित किया जाता है। इस भाग को लागू करना मुश्किल था, लेकिन प्रयास ने भुगतान किया: इसने मॉड्स बनाने के लिए खेल को सुपर सुविधाजनक बना दिया। मुझे उम्मीद है कि खेल की रिहाई के बाद, लोग इस प्रणाली का उपयोग अपने हथियारों को विकसित करने के लिए कर सकते हैं, अर्थात, वे खेल में लगभग सब कुछ जोड़ सकते हैं जो वे कल्पना कर सकते हैं। इसके अलावा, चूँकि AI किसी भी कार्य को हस्तांतरित करने के लिए मूल्यांकन करने के लिए पर्याप्त स्मार्ट है, दुश्मन यह पता लगाने में सक्षम होंगे कि खिलाड़ियों द्वारा बनाए गए किसी भी संशोधित हथियारों का उपयोग कैसे करें!