Share
Embed
Transcript
374 slides
-
スマートシティ=メタバースと人工知能 = 三宅 陽一郎 @miyayou (東京大学 生産技術研究所) 2023.11.8 – 11.22
https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake [email protected] https://miyayou.com/ -
レベルスクリプト ナビゲーションAI キャラクターAI メタAI 1995 2000 2005 2010 1994 (ゲームの3D化)
1999 (スクリプティッドAIによる 大型ゲームのキャラクター制御の限界。 自律型AI技術のアカデミックからの流入) 2005 (ウィル・ライトによる“メタAI”定義) 2008 (“LEFT 4 DEAD”に におけるAI Director) 2010頃~ (オープンワールド型 ゲームの隆盛) スパーシャルAI 1980 PlayStation (1994) Xbox360 (2005) PlayStation3 (2006) スクリプティッドAI 三宅陽一郎、水野勇太、里井大輝、 「メタAI」と「AI Director」の歴史的発展、日本デジタルゲーム学会(2020年、Vol.13, No.2) LS-Modelモデル LCN-AI連携モデル MCS-AI動的連携モデル MCN-AI連携モデル -
レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす. 敵・味方 キャラクタ- プレイヤー 情報獲得 スパーシャルAI
空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル(三宅,2020) -
都市全体の知能(意識) 交通全般を制御するAI 各エリアを 監視・制御するAI 各ビルを監視・ 制御するAI 道路を 監視・制御 するAI 各広場を
監視・制御 するAI 人の流れを 監視・制御 するAI 抑止・委任 報告 抑止・委任 報告 監視 制御 人 ドローン ロボット デジタル アバター 報告 命令 人 監視 制御 監視 制御 協調 協調 協調・ 命令 監視 制御 デ ジ タ ル ツ イ ン / メ タ バ ス / 世 界 モ デ ル 都 市 キャラクターAI ス パ | シ ャ ル AI メタAI 空 間 記 述 表 現 協調 協調 -
公開された「パックマン」仕様書 岩谷徹, 高橋ミレイ , 三宅陽一郎, “ゲームAI の原点『パックマン』はいかにして生み出されたのか?: 岩谷 徹インタビュー,” 人工知能,Vol.34,
No.1 pp.86-99., 2019. Japanese Society of Artificial Intelligence,No.1, 2019. Anyone can download the article: https://jsai.ixsq.nii.ac.jp/ej/index.php?active_action=repository_view_main_item_detail&page_id=13&block_id=23&item_id=9670&item_no=1 -
7s 20s 7s 20s 5s 20s 5s 5s 20s 5s
20s 5s 27 34 54 59 7 25 30 50 55 5 79 84 7s 20s 7s 20s 5s 27 34 54 59 7 Monster Rest(四隅で待機) Monster Attack(一斉に攻撃) A B C, D (sec) (sec) (sec) 3つの波状攻撃タイミングテーブル -
モンスター 波状攻撃の状態 包囲攻撃 離散 アカ 常にパックマンのいるマス (8x8ドット)を追う プレイフィールド上の右上付近を 動き回る. ピンク
パックマンの口先の3つ先の マスを目指す プレイフィールド上の左上付近を 動き回る. シアン 赤モンスターのパックマンを 中心とした点対称を目指す プレイフィールド上の右下付近を 動き回る. オレンジ パックマンから半径約130 ドットの外では赤モンスターの 性格を持ち、半径内ではパック マンと無関係にランダムに動く プレイフィールド上の左下付近を 動き回る. 4匹の攻撃の方法にバリエーションを持たせる -
2匹 3匹 4匹 A B C モンスター出現数 244個 30個 90個
3匹 4匹 50個 4匹 (食べたえさの数) -
SPEED PATTERN SPEED A B C D 22 21 20
19 18 17 16 15 14 13 12 11 10 9 8 7 ① イジケ ワープ ② ① イジケ ワープ ② ① イジケ ワープ ② ① イジケ ワープ ② -
レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす. 敵・味方 キャラクタ- プレイヤー 情報獲得 スパーシャルAI
空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル -
レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす. 敵・味方 キャラクタ- プレイヤー 情報獲得 スパーシャルAI
空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル -
知能の世界 環境世界 認識の 形成 記憶 意思の 決定 身体 制御 エフェクター・
身体 運動の 構成 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 記憶体 情報処理過程 運動創出過程 身体部分 情報 統合 運動 統合 -
FC SFC SS, PS PS2,GC,Xbox Xbox360, PS3, Wii DC (次世代)
Hardware 時間軸 2005 1999 ゲームの進化と人工知能 複雑な世界の 複雑なAI ゲームも世界も、AIの身体と内面もますます複雑になる。 単純な世界の シンプルなAI (スペースインベーダー、タイトー、1978年) (アサシンクリード、ゲームロフト、2007年) -
3Dゲームの中のAI Halo (HALO、バンジー、2001年) デバッグ画面 The Illusion of Intelligence - Bungie.net
Downloads http://downloads.bungie.net/presentations/gdc02_jaime_griesemer.ppt -
強化学習(例) 強化学習 (例)格闘ゲーム キック パン チ 波動 R_0 : 報酬=ダメージ
http://piposozai.blog76.fc2.com/ http://dear-croa.d.dooo.jp/download/illust.html -
強化学習 (例)格闘ゲームTaoFeng におけるキャラクター学習 Ralf Herbrich, Thore Graepel, Joaquin Quiñonero Candela
Applied Games Group,Microsoft Research Cambridge "Forza, Halo, Xbox Live The Magic of Research in Microsoft Products" http://research.microsoft.com/en-us/projects/drivatar/ukstudentday.pptx Microsoft Research Playing Machines: Machine Learning Applications in Computer Games http://research.microsoft.com/en-us/projects/mlgames2008/ Video Games and Artificial Intelligence http://research.microsoft.com/en-us/projects/ijcaiigames/ -
サブサンプション・アーキテクチャ(ロドニー・ブルックス) INPUT OUTPUT 時間 情報抽象度 反射的に行動 少し場合ごとに対応 抽象的に思考 理論的に考える 言語化のプロセス
= 自意識の構築化 Subsumpution Architecture 運動の実現のプロセス = 身体運動の生成 -
機能環 効果器 受容器(刺激→興奮(記号)) 客体 活動神経網 知覚神経網 前野佳彦訳・ユクスキュル「動物の環境と内的世界」 (みすず書房) 知覚世界 活動世界
知覚微表担体 対象化された機構 活動担体 内的世界 興奮(記号) 興奮 興奮 運動形態 =特定の筋肉を動かす 中枢神経網 -
Physical Informat ion Abstract Informat ion More Abstract Informat ion
Abstraction Time Decision-Making Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World World Dynamics Artificial Intelligence Object Object image on the lowest layer (Umwelt) Object image on the second layer Object image on the third layer Decision-Making Object image on the top layer -
レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす. 敵・味方 キャラクタ- プレイヤー 情報獲得 スパーシャルAI
空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル -
ネットワーク上のグラフ検索法 A*法 M F L B A S O P
D C G S V H Q X K N J R T W E I U Z Y G 5 4 6 3 7 2 3 B C 3 3 2 2 4 3 5 5 出発点(S)を中心に、そのノードまでの 最も短い経路を形成して行く。Gにたどり着いたら終了。 ゴール地点がわかっている場合、現在のノードとゴールとの推定距離(ヒューリスティック距離) を想定して、トータル距離を取り、それが最少のノードを探索して行く。 各ノードの評価距離=出発点からの経路+ヒューリスティック距離 ヒューリスティック距離 (普通ユークリッド距離を取る) 3+14.2 3+13.8 G H 3 5+10.5 6+8.4 -
(メッシュ) コスト : 0.5 見通し: 1.0 地表: 土 (メッシュ) コスト
: 0.8 見通し: 0.7 地表: 沼 (オブジェクト) 動かせる : (1.0,0.8)向き 持ち上げる: false 上に乗れる: false 硬さ: 0.9 重たさ: 0.4 (オブジェクト) アクション:レバー倒す 効果: 扉が開く (オブジェクト)扉 メッシュ同士の リンク情報 -
プレイヤー予測経路(ゴールデンパス) M. Jack , M. Vehkala, “Spaces in the Sandbox:
Tactical Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical -
M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical
Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical -
Tom Mathews Making "Big Data" Work for 'Halo': A Case
Study http://ai-wiki/wiki/images/d/d8/AI_Seminar_177th.pdf -
M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical
Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical -
M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical
Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical -
M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical
Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical -
M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical
Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical -
M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical
Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical -
レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす. 敵・味方 キャラクタ- プレイヤー 情報獲得 スパーシャルAI
空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル -
(例)「ゼビウス」(ナムコ、1983) 敵出現テーブル巻き戻し 敵0 敵1 敵2 敵3 敵4 敵5 『あと面白い機能なんですけれど、 ゼビウスには非常に簡単なAIが組み込まれています。
「プレイヤーがどれくらいの腕か」というのを判断して、 出てくる敵が強くなるんです。 強いと思った相手には強い敵が出てきて、 弱いと思った相手には弱い敵が出てきます。 そういっ たプログラムが組み込まれています。 ゲームの難易度というのは「初心者には難しくて、上級者 には簡単だ」ということが、 ひとつの難易度で(調整を)やっていくと起きてしまうので、 その辺を何 とか改善したいな、ということでそういったことを始めてみたのですけれど、 お陰で割合にあまり上 手くない人でも比較的長くプレイできる、 うまい人でも最後のほうに行くまで結構ドラマチックに楽 しめる、 そういった感じになっています。』 - 遠藤雅伸(出演)、1987、「糸井重里の電視遊戯大展覧会」『遠藤雅伸ゼビウスセミナー』フジテレビ - -
メタAI(=AI Director)によるユーザーのリラックス度に応じた敵出現度 ユーザーの緊張度 実際の敵出現数 計算によって 求められた 理想的な敵出現数 Build Up …プレイヤーの緊張度が目標値を超えるまで
敵を出現させ続ける。 Sustain Peak … 緊張度のピークを3-5秒維持するために、 敵の数を維持する。 Peak Fade … 敵の数を最小限へ減少していく。 Relax … プレイヤーたちが安全な領域へ行くまで、30-45秒間、 敵の出現を最小限に維持する。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html より具体的なアルゴリズム -
安全な領域までの道のり(Flow Distance) メタAIはプレイヤー群の経路を トレースし予測する。 - どこへ来るか - どこが背面になるか - どこに向かうか
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html -
プレイヤーからの可視領域 可視領域(プレイヤーから見えている 部屋)では、敵のスパウニング(発生) はできない。 Michael Booth, "The AI Systems of
Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html -
敵出現領域 背後 前方 Michael Booth, "The AI Systems of Left
4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 前方と背後のプレイヤー群から見えてない部屋に、 モンスターを発生させる。 -
Procedural Generation in WarFrame • Warframe ではダンジョンが自動生成される。 Daniel Brewer, AI
Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed -
Black Combination in WarFrame • 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's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed -
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, AI Postmortems: Assassin's
Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed -
スタートポイント、出口、目的地の 自動生成 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM:
Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed -
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's Creed III, XCOM:
Enemy Unknown, and Warframe (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。 -
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 -
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's Creed
III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed -
アクティブ・エリアセット(Active Are Set) Daniel Brewer, AI Postmortems: Assassin's Creed III,
XCOM: Enemy Unknown, and Warframe (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 -
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's Creed
III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed -
現実世界 メタバース (ゲーム エンジン) 物理法則 化学法則 経済法則 社会法則 生物法則 知能の法則
抽出 実装 物理シミュレーション 化学シミュレーション 経済シミュレーション 社会シミュレーション 生物シミュレーション 知能シミュレーション シミュレーション化 サイエンス・エンジニアリング 情報処理 物・運動 データ構造・プログラム -
風 頂点 ポリゴン 頂点 移動計算 移動計算 メモリ CPU or GPU
変 更 アーティスト エンジニア ロード (格納) 実行 -
ゲームエンジンの時代 • ゲームエンジンは古くからある(80年代、ナムコのタスクシステム) • ゲームの規模が小さいうちは効果が大きくない • 90年代(ほとんどない。ソースコードレベル) • 00年代(黎明期) •
ゲームエンジン群雄割拠時代(2010-2020) • 市販のエンジンに加えて、それぞれのゲーム会社でゲームエンジンが作られた • 現代では、ゲームエンジンなしで大型ゲームは作れない • ゲームエンジン=ゲームの質に直結、ゲーム開発の技術を集積する場所 • Unreal Engine(Epic)とUnity3Dが生き残った • Unreal Engine アメリカ 巨漢大砲主義の思想 • Unity 3D デンマーク(北欧)Do it yourself の思想 -
大型ゲームエンジン一覧(他にもたくさん) タイトル ゲームエンジン名 会社 Far Cry 3,4 DUNIA ENGINE 2
Ubisoft Montreal THE DIVISION snow drop engine Ubisoft (massive) Assassin’s creed: syndicate AnvilNext 2.0 game engine Ubisoft Montreal For Honor AnvilNext 2.0 game engine Ubisoft Montreal Rise of Tomb Raider Foundation engine Crystal Dynamics The Witcher 3 RED ENGINE CD PROJEKT Dragon Age : Inquisition frostbite engine EA DICE ゲームエンジン名 会社 汎用型 Unity3D Unity Technologies (デンマーク) 汎用型 UNREAL ENGINE 4 Epic Games (米) 汎用型 CryEngine CryTech (独) 汎用型 Lumberyard Amazon 汎用型 Stingray Autodesk -
原子 分子=原子+力 物質=分子と力 現象=物質と力 データ オブジェクト =データ+プロ エンティティ =オブジェクト 現象
=エンティティ+ 現実世界 メタバース -
データ処理 オブジェクト =データ+プログラム エンティティ =オブジェクトとプログラム 現象 =エンティティ+プログラム メタバース 情報処理基礎 (プログラミング基礎)
オブジェクト指向 プログラミング 大規模システム プログラミング シミュレーション プログラミング -
ゲームの中、ゲームの外 ゲーム周辺AI (外=開発、現実) ゲームAI (中=コンテンツ) メタAI キャラクター AI ナビゲーション AI
開発支援 AI QA-AI 自動バランス AI インターフェース 上のAI データ マイニング シミュレーショ ン技術 ゲーム 可視化 ユーザーの 生体信号 プロシー ジャルAI -
レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす. 敵・味方 キャラクタ- プレイヤー 情報獲得 スパーシャルAI
空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル -
人工知能全域 機械学習 ディープ ラーニング 統計 学習 コネクショニズム シンボリズム デジタルゲームAI ゲームAIはシンボリックAIから機械学習へ
今後10年かけて徐々にシフトする 現在、社内でも研究中。 -
人工知能全域 機械学習 ディープ ラーニング 統計 学習 コネクショニズム シンボリズム デジタルゲームAI ゲームAIはシンボリックAIから機械学習へ
今後10年かけて徐々にシフトする 現在、社内でも研究中。 -
人工知能全域 機械学習 ディープ ラーニング 統計 学習 コネクショニズム シンボリズム デジタルゲームAI 機械学習の導入には土台となるシミュレーション
(物理、仕組み)が必要 シミュレーション技術 -
Google 「サッカーシミュレーター」による 強化学習の研究 https://automaton-media.com/articles/newsjp/20190613-95002/ シミュレーション 現実 機械学習 (ディープ ラーニン グ)
https://ai.googleblog.com/2019/06/introducing-google-research-football.html -
シミュレーション 現実 機械学習 (ディープ ラーニン グ) DeepMind社「Capture the flag」による ディープラーニング学習
https://deepmind.com/blog/article/capture-the-flag-science -
時間 知能の規模 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980
2010 ルールベース 逆伝播法 データベース ディープ ラーニング 推論ベース ニューラル ネット誕生 コネクショニズム 記号主義 デジタルゲームAI 人工知能の歴史 -
Enhancing Game Experiences with Character AI Andrew Moran, Jordan Carlton(Magic
Leap, Magic Leap/Weta Workshop) https://gdcvault.com/play/1025829/Magic-Leap-Enhancing-Game-Experiences -
Enhancing Game Experiences with Character AI Andrew Moran, Jordan Carlton(Magic
Leap, Magic Leap/Weta Workshop) https://gdcvault.com/play/1025829/Magic-Leap-Enhancing-Game-Experiences -
Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research
https://arxiv.org/abs/1911.05063 -
Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research
https://arxiv.org/abs/1911.05063 -
参考文献 • 三宅陽一郎 「デジタルゲームAI技術を応用したスマートシティの設計」 人工知能学会誌、37巻4号(2022年) 10ページ • 三宅陽一郎 • 「メタバースの成立と未来
―新しい時間と空間の獲得へ向けて―」, 情報処理, Vol.63 No.7 (2022年) 34ページ https://ipsj.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=218538&item_no=1&page_id=13&block_id=8 https://www.jstage.jst.go.jp/article/jjsai/37/4/37_436/_article/-char/ja/ -
レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす. 敵・味方 キャラクタ- プレイヤー 情報獲得 スパーシャルAI
空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル(三宅,2020) -
都市全体の知能(意識) 交通全般を制御するAI 各エリアを 監視・制御するAI 各ビルを監視・ 制御するAI 道路を 監視・制御 するAI 各広場を
監視・制御 するAI 人の流れを 監視・制御 するAI 抑止・委任 報告 抑止・委任 報告 監視 制御 人 ドローン ロボット デジタル アバター 報告 命令 人 監視 制御 監視 制御 協調 協調 協調・ 命令 監視 制御 デ ジ タ ル ツ イ ン / メ タ バ ス / 世 界 モ デ ル 都 市 キャラクターAI ス パ | シ ャ ル AI メタAI 空 間 記 述 表 現 協調 協調 -
都市を囲う環境世界 命令の 構成 世界モデル 世界シミュレーション 都市のセンサー群 都市のアクター群 スパー シャルAI 認識の
形成 意思の 決定 都市のエージェント群 メタAI (都市の人工知能) キャラクターAI -
スマート環境アクター スマートオブジェクト エージェント スマートポイント スマートスペース エージェント エージェント 制御 制御 制御
ドア ドアノブ スペース オブジェクト(物) ポイント(座標) -
(メッシュ) コスト : 0.5 見通し: 1.0 地表: 床 推奨高度:5m (メッシュ)
コスト : 0.5 見通し: 1.0 地表: 床 推奨高度:10m (メッシュ) コスト : 2.5 見通し: 1.0 地表: 土 推奨高度:10m 壁面:ガラス 壁との衝突は 必ず回避してください エージェント ナビゲーション・メッシュ (メッシュ) コスト : 0.5 見通し: 1.0 地表: 床 推奨高度:7m エレベーターの入り口: 使用する場合は、 メッセージ001を送ってください 空間記述表現 -
司令官 (プレイヤー、或いはAI) サブリーダー サブリーダー サブリーダー メ ン バ | メ
ン バ | メ ン バ | メ ン バ | メ ン バ | メ ン バ | メ ン バ | メ ン バ | メ ン バ | メ ン バ | 命令 報告 命令 報告 全エリア エリア ゾーン それぞれの階層で 考慮するべき領域 図4.2 -
階層型タスクネットワーク(HTN) クリームソーダを 作って食べる クリームソーダ を作る クリームソーダ を食べる ソーダ を買いに行く アイス
を買いに行く アイス専用ストローを 持って来る 食べる ソーダに アイスを載せる 順序構造 順序構造 順序構造 メ ソ ッ ド に よ る 分 解 図4.7 -
敵と戦う 戦闘する 戦闘する 味方Aに敵Xと 戦うように指示する 味方Bに敵Yと 戦うように指示する 味方Aに味方Bへ向か わせる 順序構造
合流する 味方Bに味方Aへ向か わせる 味方Aに敵Zと 戦うように指示する 味方Bに敵Zと 戦うように指示する メ ソ ッ ド に よ る 分 解 メ ソ ッ ド に よ る 分 解 メ ソ ッ ド に よ る 分 解 -
スタート 味方Aに敵Xと 戦うように指示する 味方Bに敵Yと 戦うように指示する 味方Aに味方Bへ向か わせる 味方Bに味方Aへ向か わせる 味方Aに敵Zと
戦うように指示する 味方Bに敵Zと 戦うように指示する エンド 作成されたタスクネットワーク -
上位のタスク分解 敵本拠地 制覇 敵本拠地 攻撃 敵本拠地 占拠 チーム移動 チーム攻撃 チーム移動
敵本拠地 防衛 順序構造 順序構造 順序構造 -
メソッド チーム移動 チームA、Bが どちらも目的の100m 以内来ている チームAがチームBよ り目的地から遠い チームBがチームAよ り目的地から遠い 移動
移動 移動 輸送 移動 (T,A,1) 移動 移動 輸送 移動 (T,B,2) A A A T T T B B C -
メソッド 輸送 移動 (X,Y,N) チームYまで 移動 チームYを 乗せる 目的地Nまで 移動
チームYを 降ろす 順序構造 -
へ 動 ムB 移動 チームBを 乗せる 目的地2 まで移動 チームBを 降ろす
Tに乗る Tから 降りる 攻撃 攻撃 攻撃 メーションの 所へ移動 攻撃 チームA まで移動 チームAを 乗せる 敵本拠地 まで移動 チームAを 降ろす Tに乗る Tから 降りる 敵本拠地へ移動 敵本拠地へ移動 -
「タイルベースのパス検索」 Chris Jurney, “On the War Path: Tactical AI in
Dawn of War 2”, GDC 2009 http://jurneydownloads.s3.amazonaws.com/gdc/GDC2009DoW2Pack.zip -
「タイルベースのパス検索」 Chris Jurney, “On the War Path: Tactical AI in
Dawn of War 2”, GDC 2009 http://jurneydownloads.s3.amazonaws.com/gdc/GDC2009DoW2Pack.zip -
S G A B C D E F G H
I J K L 四分岐パス検索 -
群制御 図4.25 『Overload』 Donald Kehoe, “Designing Artificial Intelligence for Games
(Part 3)”, 2009.7.21 https://software.intel.com/content/www/us/en/develop/articles/designing-artificial-intelligence-for-games-part-3.html -
(1) (2) (3) (4) (5) (6) (1) フォローイング 特定のキャラクターや仮想的な リーダーに追従する
(2) フロッキング 一団となって目的地に向かう (3) グルーピング 一点に集まる (4) セパレーション お互いの感覚を開ける (5) アボイダンス 障害物を避ける (6) アライバル 特定のポイントに到着する 『スタークラフト2』 の群制御 -
S S S S T T T U (1) (2)
(3) (4) (5) (6) (7) -
『TOTAL WAR:SHOGUN 2』 におけるAI Bob Fitch,“Evolution of RTS AI”, AIIDE
2011 https://movingai.com/aiide11/BlizzardAI.zip -
戦局解析 & ハイレベルな戦闘プラン 決定 バトル目的生成 サブシステム更新 (認識、コンフリクト・ マネージャー) ハイレベル・プランナー それぞれの目的に対する
デタッチメント Ingimar Hólm Guðmundsson,“Relay Racing Towards Intelligence”,2011.6.23 AIGameDev.com's Paris game AI conference, 2011 -
Unit 1 Unit 2 Unit 3 Unit … Unit N
正面 攻撃 単独 側面 攻撃 多重 側面 攻撃 陣取り & 攻撃 非アクティブな戦術 アクティブな戦術 攻撃戦術群 攻撃に対するユニット割り当て Ingimar Hólm Guðmundsson,“Relay Racing Towards Intelligence”,2011.6.23 AIGameDev.com's Paris game AI conference, 2011 -
遠隔攻撃・アナライザー ターゲット ジョブ 敵ユニットたち AIユニットたち 分析 AI コンフリクト マネージャー ターゲット/ジョブ
メモリー・プール Ingimar Hólm Guðmundsson,“Relay Racing Towards Intelligence”,2011.6.23 AIGameDev.com's Paris game AI conference, 2011 -
AI コンフリクト マネージャー ターゲット/ジョブ メモリー・プール AIユニットたち リソース(ユニット)へのジョブ割り当て ユニット ジョブ1(優先度) ジョブ2(優先度)
優先度の開き 敵ターゲットユニット Ingimar Hólm Guðmundsson,“Relay Racing Towards Intelligence”,2011.6.23 AIGameDev.com's Paris game AI conference, 2011 -
『トータルウォー:ウォーハンマー』の人工知能 Andre Arsenault, “Have Fun Storming the Castle! Siege Battle
AI in Total War: Warhammer”, GDC 2016 https://www.gdcvault.com/play/1023363/Have-Fun-Storming-the-Castle -
『トータルウォー:ウォーハンマー』の人工知能 Andre Arsenault, “Have Fun Storming the Castle! Siege Battle
AI in Total War: Warhammer”, GDC 2016 https://www.gdcvault.com/play/1023363/Have-Fun-Storming-the-Castle -
攻略目的 攻略デタッチメント ゲート 攻略戦術 城壁攻略 戦術 城壁破壊 戦術 予約 戦術
ストーム 戦術 攻略タスク および戦術 『トータルウォー:ウォーハンマー』の人工知能 Andre Arsenault, “Have Fun Storming the Castle! Siege Battle AI in Total War: Warhammer”, GDC 2016 https://www.gdcvault.com/play/1023363/Have-Fun-Storming-the-Castle -
防衛目的 防衛デタッチメント 城壁占領 タスクと戦術 エリア占領 タスクと戦術 『トータルウォー:ウォーハンマー』の人工知能 Andre Arsenault, “Have
Fun Storming the Castle! Siege Battle AI in Total War: Warhammer”, GDC 2016 https://www.gdcvault.com/play/1023363/Have-Fun-Storming-the-Castle -
シムシティ(EA, 1989) 「大事なのは街を構成する建物とか道路じゃなくって、 そこでどんな活動が行われているかってことだと思うんだ 道路を車が走り、電車が動き、人々が動き回り、 常に要素が変化し続ける“動きのある”システム。」 「要素にはそれぞれ他の要素に与える影響、他の要素から受け る影響など、いろいろなデータが含まれていて、いったんこれ が置かれると、他の要素と相互に関係を持ち始めて状態が変化 することになるんだ。」
『ウィル・ライトが明かすシムシティーのすべて』 多摩豊 角川書店 1990 https://www.ea.com/ja-jp/games/simcity © 2021 Electronic Arts Inc. -
unitRule mustardFactory rate 10 global Simoleans in 1 local YellowMustard
in 6 local EmptyBottle in 1 local BottleOfMustard out 1 map Pollution out 5 successEvent effect smokePuff successEvent audio chugAndSlurp onFail buyMoreMustard end 『シムシティ4』のGlassBox エンジン Andrew Willmott, “GlassBox A New Simulation Architecture”, GDC 2012 http://www.andrewwillmott.com/talks/inside-glassbox Frank Cifaldi, “GDC 2012: Breaking down SimCity's Glassbox engine”,2012 https://www.gamasutra.com/view/news/164870/GDC_2012_Breaking_down_SimCitys_Glassbox_engine.php -
『Dwarf Fortress』の自動生成 Q&A: Dissecting the development of Dwarf Fortress with
creator Tarn Adams https://www.gamasutra.com/view/news/343859/ -
世界創造のステップ • 準備:基本マップフィールド値として、「土地の隆起度」(elevation)「雨量」(rainfall)「気温」(temperature)「水はけ」 (drainage), 「火山作用」(volcanism)「 自然の荒々しさ」(wildness)が海や土地のサイズなどから決定されます。 • 第1のステップ「植物生成」:プレイヤーが選択した「植物の生態系」(植物の種類、土壌)と「土地の隆起度」「雨量」「気 温」などと合致しているかがテストされます。これに合格すると、土地の隆起によって、植物が繁殖する地域が設定さ れ、さらに気温の高い地域に火山がセットされます。
• 第2のステップ「河川の生成と浸食」:土地の起伏や山裾に沿って川を作ります。渓谷になっているようなところは、土 地を侵食することでスムーズにして川を流して海につなげて行きます。また川沿いの場所に湖も生成します。 • 第3のステップ「地形の調整」:隆起と浸食によって山から海への地形、火山や山頂の形をなだらかにします。また雨 量に関しても山を挟んで雨の降る側と降らない側など地形を反映するように調整が入ります。気温に関しても隆起と雨 量を反映したものにリセットし、植物生成もこれらの変化を反映したものとします。 • 第4のステップ「最終調整」:土地の地質や地下のレイヤーをセットします。ユーザーの望んでいる通りになっているか を最終確認し、確認が取れたら野生動物の分布を決定し、天気についてのパラメータも決定します。 -
A B C D E F G H I J
X軸 Y軸 -
A B C D E F G H I J
削除 削除 反時計回り 時計回り 時計回り -
オンラインゲーム メタバース 物理空間 世界観 強固、かつ詳細 なるべく緩い設定 現実のまま 物語 大きな物語を準備 物語に沿って
イベントが展開 特になし ユーザーが作り出す 現実の経済、人間関係 (ソーシャル)、社会、 など無限の要素 キャラクター (人)の役割 世界、物語の中で 最初から定義 特になし ユーザー の関係の中で発生 不明(実存) オンラインゲーム 物理空間 純粋なメタバース (空っぽの空間) -
現実世界 デジタル ツイン ミラーワールド スマートシティ メタAI 都市 メタバース (世界モデルと して機能する)
同期 現実を認識する 現実を予測する -
現実世界 (1) お金の動き (2) 物の動き (3) 人・動物の動き (4) 自然の動き デジタル
ツイン (現実世界 そっくりの メタバース) 同期 引き写し ミラーワールド スマートシティ センシングと情報取り込 みによる(1)-(4)の同期 ロボット・AI・情報提示に よるサービス・干渉 -
広場 森 都市 大学 道路 同期 同期 同期 同期 同期
現実と同期するメタバース -
現実世界 現実世界 センサー エフェクタ デジタル ツイン 意思決定・ シミュレーション ゲームエンジン 都市のエージェントの
エージェント・ アーキテクチャ 情報経路 -
現実世界 現実世界 センサー エフェクタ デジタル ツイン × 世界モデル (ディープ ラーニング)
都市の 世界モデルの獲得 世界モデル シミュレーション 意思決定 都市の夢を見る シミュレーション エンジン 都市メタAIの エージェント・ アーキテクチャ 情報経路 -
メタバース 情報の 蓄積 シミュレー ション による予測 人間の叡知 一つの集合知性として機能する 物理空間 への作用
センサー 意思決定 エフェクター 物理空間 からの情報 物理空間へ の作用 集合知性の エージェント・アーキテクチャ -
物理世界 物理世界 デジタル世界 物理世界 集合知性 メタバース 物理世界 機械 Level I
Level 0 Level III Level II 意識の変容 人とデジタル空間の融合 物理世界 -
ゲームエンジンのUnityにPLATEAUのモデルを入れた画面。 モデルは、品川駅周辺のモデル ~都市全体の外観~ ~道路~ PLATEAUは建物のモデル のみなので、市民が実際に 歩くことになる道路は自作。 Pythonでの数値シミュレー ション同様、この道路1つ1 つにサービスの水準を設定
し、市民が通ると効用が得 られるような画面を作る。 今後の展望:実際の都市の3Dモデルによるシミュレーション 石政龍矢 三宅陽一郎「メタAI型スマートシティ形成の提唱-」 第64回土木計画学研究発表大会、2021年12月 -
メタAI型スマートシティの有効性の検証 (Pythonによる数値シミュレーション) メタAIの有効性を検証するために、まずはPythonによる数値シミュレーションを行う。 実験で想定すること 市民は、目的地に着くまでに何本かの道路を歩く。市民は、バリアフリーが充実している道路等、その道 路のもともとの公共サービスの充実度(サービスの水準)に応じて、効用を得る。さらに、各道路には一体 ずつAIエージェントが配置され、AIエージェントは市民から一人を選んで公共サービスを行う。選ばれた市 民は、その道路から得られる効用が、さらに増加する。メタAIは、AIエージェントが重複して同じ市民を選 ばないように命令し、公共サービスを広く全体に行き渡らせる。 道路1
道路2 メタAI 左の市民は前の道路で選ばれ たので、候補から外しなさい 石政龍矢 三宅陽一郎「メタAI型スマートシティ形成の提唱-」 第64回土木計画学研究発表大会、2021年12月 -
メタAI型スマートシティの有効性の検証 横軸はシミュレーションの回数、縦軸は社会全体の効用について、 メタAIがある場合の効用から、ない場合の効用を引いたもの 全ての状況において、 メタAIを導入した方が社 会全体の効用が高くな る メタAIがある場合とない場合の差 各パターン 効用の差
~留意点~ 検証の目的はメタAIが 上手く機能することの確 認であるため、効用の 差の大きさにはあまり 意味はない 石政龍矢 三宅陽一郎「メタAI型スマートシティ形成の提唱-」 第64回土木計画学研究発表大会、2021年12月 -
オンラインゲーム メタバース 物理空間 世界観 強固、かつ詳細 なるべく緩い設定 現実のまま 物語 大きな物語を準備 物語に沿って
イベントが展開 特になし ユーザーが作り出す 現実の経済、人間関係 (ソーシャル)、社会、 など無限の要素 キャラクター (人)の役割 世界、物語の中で 最初から定義 特になし ユーザー の関係の中で発生 不明(実存) オンラインゲーム 物理空間 純粋なメタバース (空っぽの空間) オンラインゲームとメタバースの違い -
検索エンジン SNS メタバース 検索サーバー ユーザー ユーザー タイム ライン デジタル空間 インタラク
ション デファクト・メジャーの遷移 -
時代 メタバース世界の多様化 2006 セカンドライフ 2008 meet-me 2018 2006 Roblox 2009
Internet Adventure 2012 The Sandbox 2008 PlayStation Home 2011 2021 Horizon Worlds 2008 ai sp@ce メタバース 創成記 メタバースと ゲーム空間の 融合 セカンド ライフの影響 メタバースと 現実空間・ 経済との融合 2017 フォートナイト 2022 仮想通貨SAND導入(2017年-) 2003 EVE ONLINE 2015 2000 Phantasy Star Online / Phantasy Star Online 2 UGCを軸とした オンラインゲーム アイテム課金モデル 仮想通貨の隆盛 -
SANDBOX • SANDBOX = MineCraft + MMO + NFT +
ソシャゲ的要素 • MineCraft要素=土地を整形+アイテム作れる • MMO = 多数の人がログイン • NFT = 売れる • ソシャゲ =いろんな人が作ったものを買える。アイテム集め。 • アイテムはユーザーが作る(UGC)なので、無限に増える。 -
SANDBOXの歴史 • それ以前 P2Pの会社など4つの会社→P2Pの会社は売却 • 2012年 モバイルゲームとしてスタート • 2016年 続編
• 2017年 行き詰まる → NFT • Ethereumのブロックチェーン上にThe Sandboxを構築すると いう新しい構想 • 2021年 モバイル版のインストール数が合計4,000万件、月間 アクティブユーザー数は最大100万人、クラウド上で7,000万件 の作品を共有する大規模なコミュニティ 「バーチャル空間のデジタル不動産」人気ゲーム The Sandbox COO セバスチャン・ボルジェ氏 (全インタビュー記事) https://blog.btcbox.jp/archives/13452 -
Sandboxの新しい点? • これまでもあった。 • セカンドライフとか。 • 何が新しいか? • ブロックチェインの技術を独自実装 •
いろいろな工夫がしやすい • 仮想通貨SANDは、SANDBOX以外の影響を受けない • 対ドルのレートはゲームの人気如何による。見通しが良い。 • あとクリーン。 • デファクトスタンダードを取っている -
クレジットカードによる オンライン決済 オンライン上の少額決済 (マイクロトランザクション) ブロックチェーン、仮想通貨 の普及 e-コマースの 普及 ソーシャル ゲームの普及
メタバースの 普及 お金の形の変化 インターネットの形の変化 2005 2015 経済原理がメタバースを再生させる -
運営元 ポイント お金 ユーザー ポイント を購入 ユーザー お金 仮想通貨 運営元
ポイントを使用 アバター アバター メタバース デジタルゲーム 経済から見たゲームとメタバース -
メタバース ブロックチェイン上の NFTの仕組み 生産者 購入者 デジタルコンテンツ NFT (トークン) リンク このパッケージを
NFTと呼ぶこともある 購入 メタバースとNFT -
ソー シャル 空間 ゲーム 空間 ソーシャル 空間 メタバース ソーシャル 空間
1990 2010 2000 2020 オンラインゲームにおいて 徐々にソーシャル的要素が 入れられていった。SNSに 対抗する必要があった。 1990年代において ゲームはソロプレイか その場の数人でする ものであった。 ゲーム的要素の少ないソーシャル 空間をメインとするメタバースが 台頭する。しかし、ゲームとは つながっている。 ゲーム的要素がまったくない、 独立したソーシャル空間が成立 する。SNSの延長としての ソーシャル空間。 SN S SNS SNS ソーシャル 空間 SNSの台頭と拡大 ゲーム 空間 ゲーム 空間 SNS+ゲーム空間=メタバース -
ゲーム空間とソーシャル空間 の関係 関係図 特徴 ゲーム空間をメインとしつつ、 その周辺のソーシャル空間を 配置する ゲーム空間を補完する形、或いは ゲーム空間で満たされない部分を ソーシャル空間においてみたすよ
うに設計する。たとえば、ゲーム 空間が戦闘であれば、ソーシャル 空間は音楽・演劇など。 ソーシャル空間をメインとし つつ、その中にゲーム空間が 埋め込まれる。 ソーシャル空間がメインであり、 そこにそれぞれ独立したゲーム空 間が埋め込まれる。多くの場合、 ユーザーが作成したミニゲームが 点在する形となる。 ゲーム空間-ソーシャル空間 一体型 ゲーム空間とソーシャル空間の区 別ではない。あらゆる場所がゲー ム空間であり、ユーザーが望めば、 あらゆる空間で交流が可能である。 ゲーム空間 ソーシャル 空間 ゲーム 空間 ゲーム 空間 ゲーム 空間 ゲーム 空間 ソーシャ ル 空間 Roblox Sandbox フォートナイト あつ森など ソーシャル 空間 -
人 人 テキスト テキスト 人 人 画像/声 画像/声 人 人
擬似身体・声 擬似身体・声 空間 メタバース オンライン会議 SNS・チャットなど 拡張するコミュニケーション -
人 エー ジェ ント エー ジェ ント エー ジェ ント
エー ジェ ント エー ジェ ント エー ジェ ント 人 エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント 人 エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント 人-エージェント-エージェント-人関係 人-人関係 から 人-AI-AI-人 関係へ -
文化 社会 文化は社会を変える AI文化はAIを変える 集積された文化を編纂し促進するAI =科学者・芸術家 AI文化はAIが集積する エー ジェン ト
エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント -
ゲーム世界 プレイヤー (主人公) プレイする バーチャル アイドル プロデューサー 応援する・ プロデュース する
ゲーム世界 (eSports) 観戦者 観戦する メタバース 一参加者 参加する デジタル世界への参加の仕方の変化 デジタル空間への参加の仕方の変化 -
レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす. 敵・味方 キャラクタ- プレイヤー 情報獲得 スパーシャルAI
空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 -
現実世界 デジタル ツイン ミラーワールド スマートシティ メタAI 都市 メタバース (世界モデルとし て機能する)
同期 引き写し 現実を認識する 現実を予測する -
人 エー ジェ ント エー ジェ ント エー ジェ ント
エー ジェ ント エー ジェ ント エー ジェ ント 人 エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント 人 エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント 人-エージェント-エージェント-人関係 人-人関係 から 人-AI-AI-人 関係へ イラスト: https://share-mie.com/ -
人 エー ジェ ント エー ジェ ント エー ジェ ント
エー ジェ ント エー ジェ ント エー ジェ ント 人 エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント 人 エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント エー ジェ ント 人-エージェント-エージェント-人関係 人-人関係 から 人-AI-AI-人 関係へ イラスト: https://share-mie.com/ -
ゲーム世界 プレイヤー (主人公) プレイする バーチャル アイドル プロデューサー 応援する・ プロデュース する
ゲーム世界 (eSports) 観戦者 観戦する メタバース 一参加者 参加する デジタル世界への参加の仕方の変化 デジタル空間への参加の仕方の変化 -
新しい現実 スマートシティ (物理世界) 知的行動 知的行動の拡大 メタバース (サイバー空間) 人 都市の人工知能 (メタAI)
& 空間知能 人の知性の拡大 エージェント イラスト: https://share-mie.com/ -
エージェント指向ソサエティ • 現在のコンピュータは、アプリケーション・ベース • 人がたくさんのアプリケーションを使いこなさなくてはならない • これからは、エージェント・ベースになる アプリケーション たった一体の エージェントが
ユーザーに 仕える イラスト https://share-mie.com/ -
レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす. 敵・味方 キャラクタ- プレイヤー 情報獲得 スパーシャルAI
空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 -
現実世界 デジタル ツイン ミラーワールド スマートシティ メタAI 都市 メタバース (世界モデルとし て機能する)
同期 引き写し 現実を認識する 現実を予測する -
Rogue (1980)のダンジョン生成法 Rect[0] Rect[0] Rect[1] Rect[0] Rect[1] Rect[2] Rect[3] このようにアセット(ゲームのデータ)をツールなどを通して製作するのではなく、
プログラムで作ることを「プロシージャル・コンテンツ・ジェネレーション」(PCG)と言う。 http://racanhack.sourceforge.jp/rhdoc/intromaze.html -
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 -
Far Cry 2 Dunia Engine - Growing Vegetation (Far Cry
HQ) https://www.youtube.com/watch?v=FI3oR6vqn1Q -
PCGRLとは? とっても簡単な入力 (数字、言葉) PCG (数学・ 規則) ディープ ニューラル ネットワーク (DNN)
とっても複雑な出力 (絵、文章、音) -
PCGRL: Procedural Content Generation via Reinforcement Learning Ahmed Khalifa, Philip
Bontrager, Sam Earle, Julian Togelius https://arxiv.org/abs/2001.09212 -
PCGRL: Procedural Content Generation via Reinforcement Learning Ahmed Khalifa, Philip
Bontrager, Sam Earle, Julian Togelius https://arxiv.org/abs/2001.09212 -
PCGRL: Procedural Content Generation via Reinforcement Learning Ahmed Khalifa, Philip
Bontrager, Sam Earle, Julian Togelius https://arxiv.org/abs/2001.09212 -
ゲームAI研究の新展開 • 2023/7/4 • オーム社 CHAPTER 1 ゲームと知能研究 CHAPTER 2
不完全情報ゲーム CHAPTER 3 不確定ゲーム CHAPTER 4 コミュニケーションゲーム CHAPTER 5 実環境のゲーム CHAPTER 6 ゲームデザイン CHAPTER 7 メタAIとプロシージャル コンテンツ ジェネレーション CHAPTER 8 人間らしさと楽しさの演出 CHAPTER 9 ゲーム体験の評価 CHAPTER 10 人間の認知機能とスキルアップの原理 CHAPTER 11 認知研究とAIの人間への影響 https://www.ohmsha.co.jp/book/9784274230776 -
人工知能が製作し、 人工知能がチェックする Adversarial Reinforcement Learning for Procedural Content Generation Linus
Gisslén, Andy Eakins, Camilo Gordillo, Joakim Bergdahl, Konrad Tollmar https://arxiv.org/abs/2103.04847 -
意思決定 (学習・進化アルゴリズム) スパーシャル AI モーション クエリー 返答 報告 ボディ層 (身体層)
環境 センサー センサー センサー 状態指定 報告 メタAI (学習・進化の管理) クエリー 返答 命令(学習モード) 学習結果報告 センサー ナビゲー ションAI モーション指定 キャラクターAI NPCのゲームプレイ結果、観測 自動生成 プロシージャル技術 PCGML 伝達 ゲーム状況 全体の認識 静的・動的解析 -
Adversarial Reinforcement Learning for Procedural Content Generation Linus Gisslén, Andy
Eakins, Camilo Gordillo, Joakim Bergdahl, Konrad Tollmar https://arxiv.org/abs/2103.04847 -
Adversarial Reinforcement Learning for Procedural Content Generation Linus Gisslén, Andy
Eakins, Camilo Gordillo, Joakim Bergdahl, Konrad Tollmar https://arxiv.org/abs/2103.04847 -
CoG 2021: Adversarial Reinforcement Learning for Procedural Content Generation SEED
– Electronic Arts https://www.youtube.com/watch?v=kNj0qcc6Fpg -
Adversarial Reinforcement Learning for Procedural Content Generation Linus Gisslén, Andy
Eakins, Camilo Gordillo, Joakim Bergdahl, Konrad Tollmar https://arxiv.org/abs/2103.04847 -
Adversarial Reinforcement Learning for Procedural Content Generation Linus Gisslén, Andy
Eakins, Camilo Gordillo, Joakim Bergdahl, Konrad Tollmar https://arxiv.org/abs/2103.04847 -
Adversarial Reinforcement Learning for Procedural Content Generation Linus Gisslén, Andy
Eakins, Camilo Gordillo, Joakim Bergdahl, Konrad Tollmar https://arxiv.org/abs/2103.04847 -
Earth revival (Nuverse, 中国のゲーム) • 800ms以下で会話を生成 • アニメーション生成(10 から 20秒の)
• …つまり20 時間のコンテンツをわずか48分で生成 • GPT3 • 音声生成 Nuverse lets AI do all the talking and moving of NPCs in Earth: Revival https://premortem.games/2023/03/22/nuverse-lets-ai-do-all- the-talking-and-moving-of-npcs-in-earth-revival/ ジェネレーティブAIでゲーム開発支援! GDCで発表されたリア ルな事例や取り組みを紹介 https://www.famitsu.com/news/202303/24297009.html -
ChatGPT と Stable Diffusion を用いた RPG: Tales of Syn •
How AI-assisted RPG Tales of Syn utilizes Stable Diffusion and ChatGPT to create assets and dialogues • https://gameworldobserver.com/2023/03/06/tales-of-syn-ai- rpg-stable-diffusion-chatgpt-game • Tales of Syn • https://talesofsyn.com/ • https://twitter.com/_hackmans_/status/1624501399383072768 -
ChatGPT と Stable Diffusion を用いた RPG: Tales of Syn •
https://twitter.com/_hackmans_/status/1624501399383072768 • https://talesofsyn.com/ -
生成AI(generative AI)とは? • [木曜日 13:40] 倉林 修一 技術顧問 • [木曜日
13:41] 倉林 修一 技術顧問 • AnimatteDiff: https://arxiv.org/abs/2307.04725 • AnimateDiff: Animate Your Personalized Text-to-Image Diffusion... • With the advance of text-to-image models (e.g., Stable Diffusion) and corresponding personalization techniques such as DreamBooth and LoRA, everyone can manifest their imagination into... • [木曜日 13:47] 倉林 修一 技術顧問 • 環境アウェア型のモーションマッチング(モーションの事前生成にNN使う予定) https://www.worldscientific.com/doi/abs/10.1142/S1793351X22400086 • [木曜日 13:49] 倉林 修一 技術顧問 • メルセンヌツイスタ擬似乱数生成器の挙動をGANで学習して、誰でも独自の擬似乱数生成器を作れるようにした、 Learned PRNG: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0287025 • Learned pseudo-random number generator: WGAN-GP for generating statistically robust random numbers • Pseudo-random number generators (PRNGs) are software algorithms generating a sequence of numbers approximating the properties of random numbers. They are critical components in many information sys... -
評価 選 択 交叉 突然変異 ルール チェック 整合性 がある か?
ポリシー 選択 速度が 遅い? ゴミ 箱 テストプ レイ 前と似て いる 引き分け になり やすい 母集団 Mark J. Nelson, “Bibliography: Encoding and generating videogame mechanics”, IEEE CIG 2012 tutorial URL https://www.kmjn.org/notes/generating_mechanics_bibliography.html Cameron Browne,“Evolutionary Game Design”, SpringerBriefs in Computer Science, 2011 URL https://www.springer.com/jp/book/9781447121787