论述游戏AI设计的未来发展趋势.docxVIP

论述游戏AI设计的未来发展趋势 论述游戏AI设计的未来发展趋势 AI开发者依然不满3D图像芯片过多运用CPU资源，称图像程序员不再像过去那样需要如此多CPU资源。 于1998和1999年GDC诞生的众多AI技术过去1年来持续保持发展势头。近几个月问世的基于有趣AI的游戏证明，行业水平已有明显提高。下面就来看看几个主要发展趋势。 人造生命。自1999年GDC以来最突出的发展趋势也许就是许多游戏纷纷采用人造生命（A-Life）技术。从Maxis的《模拟人生》到CogniToy的《Mind Rover》，开发者发现，A-Life技术让他们能 够灵活地在游戏角色中呈现栩栩如生的行为。 the sims(from ) A-Life技术来自于对真实生物体的研究。A-Life旨在通过硬编码规则、基因算法和群集算法等方式模仿人类行为。开发者无需编写各种相当复杂的行为，而是将问题分解成更小元素。这些行为通常同游戏角色进行的决策层次存在某种联系，这些决策旨在判断他们要如何实现目标。低级别编码行为和角色需求间的互动令高级“明智”行为能够在没有复杂编程的情况下形成。 此方式的简单性及其所带来的惊人行为令众多开发者在过去1年中难以对其视而不见，很多游戏纷纷采用此技术。《模拟人生》无疑是大家最熟悉的一款。这款游戏运用被Maxis联合创始人和游戏设计师Will Wright称作“智能地形”的技术。在这款游戏中，所有角色具有各种动机和需求，地形提供各种方式满足玩家的这些需求。各地形会向附近玩家发布其能够提供的信息。例如，当饥饿角色靠近冰箱时，冰箱的“我有食物”消息发布促使玩家决定从中拿些东西。食物会自己告诉玩家其需要进行烹饪。因此角色在游戏的逐步指引下进行操作，只受到简单的物件程序的驱动。 开发者显然深深着迷于此方式的发展潜力，广泛讨论此话题。此理念显然也适合其他游戏题材。例如在第一人称射击游戏中，既定房间会出现许多碎片弹，旨在“示意”NPC帮助玩家角色。然后NPC会变得非常紧张，对房间产生“糟糕感觉”（游戏邦注：所有这些都旨在强化游戏体验，让其变得更逼真和有趣）。若干开发者颇关注此技巧，所以我们未来会看到更多A-Life出现在游戏中。 探险。和以往会议不同，此次GDC开发者并没有过多谈及探险内容。A*算法依然是最佳探险算法，虽然各项目会做出相应调整。开发者称需要在游戏中融入探险元素的游戏都会运用一定的A*算法。多数游戏还采用影响地图、吸引-冲击机制以及群集模式。总体而言，游戏社区已顺利解决此问题，如今开始瞄准特定游戏的具体执行方式。 开发者越来越习惯于他们的探险工具，我们开始看到结合地形分析的复杂探险内容。地形分析是比简单探险内容更复杂的问题，其AI需要研究地形情况，寻找各种自然特征——闸口处和埋伏地点等。全面地形分析能够给予游戏AI各种关于游戏地图信息的“解决方案”，专门解决复杂探险问题。地形分析能够让AI的地图知识更基于地点，这能够简化许多AI任务。遗憾的是，当游戏采用随机地图（此功能频繁出现于当前的游戏中）时，地形分析就变得越发艰巨。随机生成地形让开发者无法手动“预先分析”地图，然后将结果直接植入游戏AI中。 过去发行的很多游戏都尝试地形分析元素。例如，Ensemble Studios完全调整《帝国时代》续作《Age of Kings》的探险模式，游戏采用相当复杂的地形分析元素。影响地图用于辨别重要地点，例如金矿及创建相关建筑物的最佳地点。他们还被用于标记集结待命区和进攻路线：AI划分既有敌人的影响，所以他能够找到深入敌人区域的路线，避开所有潜在警报。 另一巧妙运用地形分析模式的游戏是Red Storm的《Force 21》。开发者利用可视图表将游戏地形分解成若干界限分明但存有联系的区域；然后AI就能够运用这些更大区域进行高级探险及指引车辆。通过将地图划分成“我能够进入的区域”和“我无法进入的区域”，AI能够向其组成成员发布更高级的操作指令，将执行任务留给组成成员。这反过来能够带来额外好处：组成成员能够利用A*算法解决更小的局部问题，将更多的CPU留给其他AI活动。 结构。和探险主题密切联系的是组成成员的结构——开发者采用此策略让军队的表现更逼真。虽然会上只有少数开发者真正需要在他们的游戏中融入结构元素，但此话题引起颇多关注。多数融入结构元素的开发者都基于严格规则系统落实这些聚集方式，旨在确保各成员处于他们应该停留的位置 。有位正在制作运动游戏的开发者称自己正在研究“剧本”模式。 状态机制和分层AI。基于规则的简单限定和模糊状态机器（FSM和FuSM）依然是开发者的选择工具，令那些更“学术”性的技术黯然失色，例如神经网络和基