लड़ खेल छाया लड़ाई 3 में कृत्रिम बुद्धि

गेम डिजाइनर नियमित रूप से एक दिलचस्प एआई बनाने की चुनौती का सामना करते हैं। यह प्रक्रिया या तो अपेक्षाकृत सरल या अत्यंत जटिल हो सकती है, जो परियोजना की जरूरतों और आपके द्वारा किए जाने वाले लक्ष्यों पर निर्भर करती है। बंजई गेम्स के वरिष्ठ गेम डिजाइनर मिखाइल ड्रैगोवल्स्की ने लोकप्रिय मोबाइल फाइटिंग गेम शैडो फाइट 3 के लिए एआई पर काम करने के अपने अनुभव के बारे में बताया।

SF3 और सबसे लड़ खेल के बीच अंतर

शैडो फाइट सीरीज़ को तुरंत कई फीचर्स के साथ बनाया गया था जो इसे कई फाइटिंग गेम्स से अलग बनाती है:

• ऑटोब्लॉक की उपस्थिति। यदि चरित्र बस चलता है और हमला नहीं करता है, तो वह स्वचालित रूप से दुश्मन के किसी भी सामान्य हमले को रोकता है;
• धीमी गति और एनिमेशन। सामरिक घटक पर दांव: खिलाड़ी को यह समझने का समय होना चाहिए कि दुश्मन के संघर्षों को किस तरह का झटका दिया जाए और सफलतापूर्वक पलटवार करने के लिए किस हमले का चयन किया जाए। इससे हमें खिलाड़ी को उन एनिमेशनों पर विचार करने का अवसर मिला, जिन्हें हम यथासंभव सुंदर और भौतिक बनाने की कोशिश करते हैं;
• ईमानदार टकराव। यह बहुत ही शांत परिस्थितियां बनाता है जिसमें एक चरित्र खूबसूरती से दूसरे के हमले को विकसित करता है और प्रतिक्रिया में हमला करता है, और चिकनी एनिमेशन के लिए धन्यवाद जो खिलाड़ी सब कुछ पर विचार करता है;
• छाया की आकृति। जब एक विशेष पैमाना भर जाता है, तो खिलाड़ी शैडो फॉर्म में प्रवेश कर सकता है और प्रतिद्वंद्वी के ब्लॉक के माध्यम से टूटने वाली कई शानदार चालें बिता सकता है

श्रृंखला में पिछले खेलों में ए.आई.

हमने पहले से ही अपने पिछले फाइटिंग गेम - शैडो फाइट 2 में AI पर काम किया था, लेकिन 3D में संक्रमण के कारण, खिलाड़ियों के बीच टकराव की उपस्थिति और एक शैडो शेप के अलावा, हम AI लॉजिक का केवल एक ही हिस्सा ट्रांसफर कर पाए, और बाकी को फिर से बनाना पड़ा।

AI पर काम करना कहां से शुरू करें?

यदि आप मशीन लर्निंग का उपयोग करके बॉट नहीं बनाते हैं, तो मैं दो कप्तान दृष्टिकोणों को एकल करूँगा:

1. एक कमजोर बॉट बनाएं, फिर नई सुविधाओं के साथ वांछित स्तर तक मजबूत करें;
2. एक अजेय बॉट बनाएं और फिर कमजोर करें।

दूसरा विकल्प बहुत रोमांटिक लगता है: ऐसा लगता है कि आप हर किसी से अधिक चालाक हैं और एक शांत एआई बनाते हैं जो खिलाड़ियों को झुकता है, और फिर दयापूर्वक बॉट की जटिलता को कम करता है। विकास के दृष्टिकोण से, यह अधिक सुविधाजनक हो सकता है, क्योंकि आप बॉट के व्यवहार की सभी विशेषताओं के बारे में सोच सकते हैं जिनकी आपको पहले से आवश्यकता है, और इसके अंतिम व्यवहार की पूरी तरह से कल्पना करें।

बेशक, हमने इस विकल्प को चुना, हालांकि तब हमें एहसास हुआ कि सब कुछ इतना सरल नहीं है: हमारे संतुलन, स्वचालित ब्लॉक और विभिन्न प्रकार के कौशल के साथ, आप लगभग हमेशा आवश्यक रणनीति और गालियां पा सकते हैं जो आपको उच्च कौशल के साथ एआई को हराने की अनुमति देते हैं। हमने इसे सही नहीं समझा, लेकिन केवल तभी जब हमने खेल के विभिन्न चरणों में खिलाड़ियों की जीत को सही ढंग से मापा। यह इस तथ्य के बावजूद है कि कई लोगों के लिए, खेल पर उनकी प्रतिक्रिया को देखते हुए, बॉट वास्तव में अजेय था।

हमारा AI कैसे काम करता है?

ट्रिगर या आचरण के नियम

• यह उन नियमों पर आधारित है जिनके तहत बॉट यादृच्छिक क्रियाएं करता है। हम नियम ट्रिगर की इस प्रणाली को कहते हैं। उदाहरण के लिए:
• बॉट अपने और खिलाड़ी के बीच की दूरी को देखता है और केवल उन हिट्स का चयन करता है जो इसे हिट कर सकते हैं, और फिर इन हिट्स से एक यादृच्छिक एक को बचाता है;
• हथियार फेंकने के साथ बॉट स्पैम नहीं करता है;
• दुश्मन के फेंकने वाले हथियारों के साथ बॉट माथे में जाता है, और फिर कुछ समय के लिए गारंटीकृत रूप से बाहर निकलने लगता है;
• और उन चीजों का एक गुच्छा जो एक बॉट को करना चाहिए या नहीं करना चाहिए ...

यदि आप इस तरह के बॉट को एक शुरुआत के खिलाफ जारी करते हैं, तो पंपिंग के बराबर स्तर के साथ, परिणाम उन हथियारों पर निर्भर करेगा जिनके साथ विरोधी सशस्त्र हैं। एनिमेशन से तेज कौन है, वह जीतेगा। क्योंकि, वास्तव में, दोनों सभी बटन दबाते हैं, अच्छी तरह से, सिवाय इसके कि बॉट इसे थोड़ा और सार्थक करता है।


निर्णय लेना

एआई को बेहतर बनाने के लिए तार्किक कदम यादृच्छिकता को कम करना और निर्णय लेने की प्रणाली को जोड़ना है जो बॉट को जीत की ओर ले जाएगा। ऐसा करने के लिए, आपको यह समझने की आवश्यकता है कि किन स्थितियों में कौन से निर्णय सही हैं। लड़ने के लिए हर समय दो परिस्थितियाँ होती हैं:

1. दुश्मन इंतजार कर रहा है;
2. दुश्मन हमला कर रहा है।

दो समाधान भी हैं:

1. हिट करने की गारंटी होने पर हरा करने की आवश्यकता;
2. जब वे आपको मारते हैं तो आपको ब्लॉक करने की आवश्यकता होती है और आप पलटवार नहीं कर सकते।

यह पता चला है कि जीत के लिए, एआई को अपने जवाबी हमले के साथ दुश्मन के हमलों को रोकना चाहिए, या यदि वे उन्हें बाधित नहीं कर सकते हैं तो ब्लॉक करें।


हमने निर्णयों के दो समूह बनाए जो कि बॉट बनाता है: एक - अगर दुश्मन खड़ा है, तो दूसरा - अगर दुश्मन हमला कर रहा है। एआई के लिए वास्तव में क्या मुकाबला करना है, यह जानने के लिए, हम टकराव तालिकाओं के साथ आए।

टकराव तालिकाओं

याद रखें कि डॉक्टर स्ट्रेंज ने थानोस के साथ लड़ाई के सभी संभावित परिणामों को कैसे देखा? इसी तरह, टकराव की मेज इस तरह से काम करती है: कंप्यूटर गेम में प्रत्येक संभावित दूरी पर प्रत्येक हमलावर एनीमेशन के लिए परिणामों की पूर्व-गणना करता है।

यदि अधिक विस्तार से: हम एक तलवार के साथ एक झटका लॉन्च करते हैं और एक ही समय में एक कटाना के साथ एक झटका, और फिर हम देखते हैं कि किसने मारा। हम इस प्रक्रिया को खेल में, सभी दूरी पर और एक अलग संख्या में फ्रेम में देरी के साथ करते हैं (मैंने एक तलवार के साथ एक झटका शुरू किया, और एन फ्रेम के माध्यम से दुश्मन - एक कटाना के साथ एक हड़ताल)। सभी परिणाम तालिकाओं में दर्ज किए जाते हैं। हम प्रत्येक अपडेट से पहले एक समान प्रक्रिया करते हैं और परिणामी फाइलों को निर्माण में तैयार फॉर्म में एक कठिन संपीड़न एल्गोरिथ्म के बाद डालते हैं ताकि रनटाइम में डिवाइस के संसाधनों को खा न सकें। क्लाइंट में खिलाड़ी के पास पहले से ही सभी परिणामों की एक सूची है, जिसका अर्थ है कि एआई जानता है कि कौन सा हिट खिलाड़ी के किसी विशिष्ट दूरी पर हिट कर सकता है, या समझ सकता है कि अभी सबसे अच्छा तरीका हमले को अवरुद्ध करना है।


परिणामस्वरूप, AI खिलाड़ी क्रियाओं का प्रभावी ढंग से जवाब देता है। यानी उन्होंने पलटवार किया। अब आपको बेतरतीब हिट्स के बजाय, बॉट को इष्टतम तरीके से हमला करने की शिक्षा देना होगा।

दूरी का विकल्प और सही हड़ताल

एक चौकस और बुद्धिमान पाठक कहेगा: “रुक जाओ !!! यहां तक ​​कि खुद पर हमला क्यों करें अगर दुश्मन हमेशा ऑटोब्लॉक में है? हमें दुश्मन के धक्के का इंतजार करना चाहिए और उसे एक तेज़ झटका देना चाहिए, जिससे उसके हमले में बाधा आए! ” हां, यह है, लेकिन एक बॉट जो चलता नहीं है और खिलाड़ी के कार्यों के बिना हमला नहीं करता है, कम से कम अजीब लगता है। एआई को हमले शुरू करने के लिए प्रभावी हिट चुनने में सक्षम होना चाहिए, भले ही इष्टतम रणनीति पलटवार से खेलना हो। ऐसा करने के लिए, हमने सर्वोत्तम दूरी और हड़तालों को चुनने के लिए एक प्रणाली विकसित की है।

जैसा कि हमने सोचा था: खिलाड़ी अक्सर कई पसंदीदा घूंसे का उपयोग करता है, जिसका अर्थ है कि बॉट विशेष रूप से उन हमलों को करेगा जो विशिष्ट खिलाड़ी घूंसे द्वारा चयनित दूरी पर बाधित नहीं किया जा सकता है। ऐसा करने के लिए, हम:

• हम खिलाड़ी के सभी स्ट्रोक के आंकड़े एकत्र करते हैं;
• हम देखते हैं कि इसके विशिष्ट हमलों के खिलाफ हमारे पास सबसे प्रभावी प्रतिकार कितनी दूर है;
• हम बॉट से इस दूरी को पार करते हैं और इसे पूरी लड़ाई में उस पर बने रहते हैं।

सिद्धांत रूप में, यह अच्छा लगता है, लेकिन व्यवहार में यह इतना अच्छा नहीं निकला: खिलाड़ी शायद ही कभी निष्क्रिय खड़े होते हैं - वे लगभग हमेशा बटन दबाते हैं और बॉट दबाते हैं, इसलिए बॉट को अक्सर खिलाड़ी के हमलों के आधार पर निर्णय लेने की प्रणाली द्वारा निर्देशित किया जाता है, बजाय पहल के। इसलिए सही हड़ताल का चयन केवल निष्क्रिय खिलाड़ियों के खिलाफ काम करता है, लेकिन सबसे अच्छी दूरी चुनने से पलटवार में सुधार हुआ है - वे अधिक विविध हो गए हैं, क्योंकि बॉट में अधिक विकल्प हैं।

इस स्तर पर, बॉट पहले से ही काफी प्रभावी है: यह जानता है कि अपने हमले को कैसे शुरू करना है, यह जानता है कि कब पलटवार करना है और कब ब्लॉक करना है। अगला, हम उन प्रणालियों के बारे में बात करेंगे जो आपको जटिलता के आवश्यक स्तर को निर्धारित करने और बॉट को कमजोर या मजबूत करने की अनुमति देती हैं।

आक्रोश और क्षमा

यह एक दिलचस्प अवधारणा है जो हमारी बैलेंस शीट प्रणाली को रेखांकित करती है। इसके माध्यम से, हम शुरुआती और पेशेवरों के लिए पर्याप्त स्तर की जटिलता पैदा करते हैं, साथ ही खिलाड़ी को विभिन्न स्ट्रोक का उपयोग करने के लिए प्रेरित करते हैं, जिससे खेल की रुचि और मनोरंजन बढ़ जाता है।

अवधारणा का सार नाम में निहित है: बॉट खिलाड़ी के वार पर अपराध करता है, जिसे खिलाड़ी समय-समय पर दोहराता है। आक्रोश एक काउंटर है जो एक उप-अपनाने का निर्णय लेने की संभावना को कम करता है और इस संभावना को बढ़ाता है कि एआई एक आदर्श पलटवार का आयोजन करेगा।

पैमाने के दूसरी तरफ माफी है - बॉट गैर-इष्टतम समाधानों को चुनने की संभावना को बढ़ाने के लिए शुरू होता है और एक पलटाव की संभावना को कम करता है अगर खिलाड़ी स्पैमिंग बंद कर देता है और अन्य हिट का उपयोग करने के लिए स्विच करता है।


यदि हम एक जटिल बॉट बनाना चाहते हैं, तो हम माफी की गति को कम करते हैं, और नाराजगी शुरू करने का एक उच्च स्तर भी निर्धारित करते हैं, अगर हम एक कमजोर बॉट बनाना चाहते हैं, तो विपरीत सच है।

विलंब

SF3 में प्रत्येक बॉट में निर्णय लेने में देरी होती है। यह एक पैरामीटर है जो बॉट को एक्शन विकल्प चुनने से पहले एन फ्रेम को रोक देता है। एक उपयोगी चीज - आपको वह स्वरूप बनाने की अनुमति देता है जो आपके प्रतिद्वंद्वी को लगता है। हम जितना आसान बॉट बनाना चाहते हैं, उतने ही विलंब के लिए हम तैयार हैं।

हालत की जाँच

खेल के कुछ हिस्सों को अधिक भावनात्मक बनाने के लिए, हम विभिन्न गेम वेरिएबल्स के राज्यों और रिश्तों पर एक जांच का उपयोग करते हैं।

हम कुछ बॉट्स को कुछ दूरी पर हथियार फेंकने का इस्तेमाल नहीं करने या माफी की गति को कम करने के लिए मजबूर कर सकते हैं यदि किसी खिलाड़ी के पास बॉट की तुलना में अधिक हिट अंक हैं, या एआई को अधिक आक्रामक बना देता है अगर इसमें कुछ हिट अंक हैं।


सामान्य तौर पर, यह एक ऐड-ऑन है जिसका उपयोग हम उन स्थितियों को उत्पन्न करने के लिए करते हैं जिसमें बॉट नाटकीय रूप से अपने व्यवहार और प्रभावशीलता को बदल देता है। यदि आवश्यक हो, तो हम विभिन्न स्थितियों में बॉट के कुछ कार्यों को प्रतिबंधित करते हैं, उदाहरण के लिए, बॉट के लिए खिलाड़ी की तुलना में थ्रो करना अधिक कठिन है, अन्यथा खिलाड़ी बॉट को फेंकने में कभी सक्षम नहीं होगा, क्योंकि जिस दूरी पर थ्रो लगाया जा सकता है, वही होगा और बॉट के पास पहले से अपना एनीमेशन शुरू करने का समय होगा।

उपरोक्त सभी तंत्रों के आधार पर, हमने 9 मूल एआई प्रीसेट बनाए हैं जिनका उपयोग हम विभिन्न स्थितियों और खेल के वर्गों में करते हैं। यह दृष्टिकोण आपको बिंदु द्वारा संतुलन बिंदु को बदलने और परिवर्तनों को मापने की अनुमति देता है।

परिणाम

बॉट रणनीति बनाने की प्रक्रिया एक लंबी थी। हमने इन विशेषताओं को धीरे-धीरे पेश किया, इसलिए कभी-कभी हमारे खिलाड़ी पीड़ित होते थे, और उनके बाद हम पीड़ित होते थे, उनकी समीक्षा और शापों को पढ़ना। जब हमने संपादन के नवीनतम पुनरावृत्तियों को डाउनलोड किया, तो विरोधियों के व्यवहार के बारे में नकारात्मक समीक्षाओं का प्रवाह बंद हो गया, जिस पर हमें बहुत गर्व है।


हमारा अनुभव बताता है कि वर्तमान दृष्टिकोण के साथ बॉट में और सुधार गुणवत्ता में एक ठोस वृद्धि नहीं देते हैं। इसलिए, हमने एक तंत्रिका नेटवर्क पर काम करना शुरू कर दिया है जो एक खिलाड़ी के कार्यों का अनुकरण करेगा।

ऐसी कई बातें हैं जो हमें इस निर्णय की ओर धकेलती हैं:

1. हम एक नया PvP फाइटिंग गेम विकसित कर रहे हैं - शैडो फाइट: एरिना। इसकी विशेषता विभिन्न क्षमताओं और यांत्रिकी के साथ बहुत अलग रणनीति वाले नायक हैं। इन परिस्थितियों में यथार्थवादी बॉट बनाना SF3 के मामले की तुलना में कई गुना अधिक कठिन है;
2. हमारे पास पहले से ही अपने कैस्केडूर उत्पाद में एनीमेशन समस्याओं को हल करने के लिए तंत्रिका नेटवर्क का उपयोग करने का सकारात्मक अनुभव है। यह यथार्थवादी एनिमेशन बनाने के लिए एक कार्यक्रम है जिसे हम अपने सभी खेलों के लिए उपयोग करते हैं;
3. हम इस क्षेत्र में अपनी विशेषज्ञता को और अधिक बढ़ाने के लिए सक्षम एमएल विशेषज्ञों की एक टीम को इकट्ठा करना चाहते हैं और इसका उपयोग कैस्केडुर और हमारे खेलों को बेहतर बनाने के लिए करते हैं।

बंजई गेम्स टीम को गहन सीखने वाले शोधकर्ता की आवश्यकता है। रिक्ति के बारे में यहाँ और पढ़ें।