CN101977662B - 将推测物理学建模与基于目标人工智能组合的方法和系统 - Google Patents

将推测物理学建模与基于目标人工智能组合的方法和系统 Download PDF

Info

Publication number
CN101977662B
CN101977662B CN200980111143.7A CN200980111143A CN101977662B CN 101977662 B CN101977662 B CN 101977662B CN 200980111143 A CN200980111143 A CN 200980111143A CN 101977662 B CN101977662 B CN 101977662B
Authority
CN
China
Prior art keywords
physics
action
role
simulation
deformable objects
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN200980111143.7A
Other languages
English (en)
Other versions
CN101977662A (zh
Inventor
D·普措卢
A·孔策
T·莫里森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Publication of CN101977662A publication Critical patent/CN101977662A/zh
Application granted granted Critical
Publication of CN101977662B publication Critical patent/CN101977662B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
    • A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/55—Controlling game characters or game objects based on the game progress
    • A63F13/57—Simulating properties, behaviour or motion of objects in the game world, e.g. computing tyre load in a car race game
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/60—Methods for processing data by generating or executing the game program
    • A63F2300/6027—Methods for processing data by generating or executing the game program using adaptive systems learning from user actions, e.g. for skill level adjustment
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/60—Methods for processing data by generating or executing the game program
    • A63F2300/64—Methods for processing data by generating or executing the game program for computing dynamical parameters of game objects, e.g. motion determination or computation of frictional forces for a virtual car
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/60—Methods for processing data by generating or executing the game program
    • A63F2300/66—Methods for processing data by generating or executing the game program for rendering three dimensional images
    • A63F2300/6615—Methods for processing data by generating or executing the game program for rendering three dimensional images using models with different levels of detail [LOD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Processing Or Creating Images (AREA)
  • Image Generation (AREA)

Abstract

在一个实施例中，本发明包括一种用于执行下列步骤的方法：识别计算机游戏场景中对游戏的人工智能(AI)角色可见的可变形对象；请求与可变形对象关联的推测物理学模拟，以便确定AI角色对可变形对象的动作的结果；以及，选择将由AI角色执行的动作，其中该选择至少部分基于推测物理学模拟。描述了其它实施例并且要求其权益。

Description

将推测物理学建模与基于目标人工智能组合的方法和系统
技术领域
本发明的公开涉及将将推测物理学建模与基于目标人工智能组合的方法和系统。
背景技术
在计算机游戏中，可包含人工智能(AI)以便管理计算机控制实体的动作。视频游戏中AI的示例包括：规划，其中AI实体使用有限状态机或者基于目标规划来以提供智能幻影(illusion)的方式实现游戏中目标；路径寻找，其中AI控制实体使用路径寻找算法来对环境进行导航以到达预期点；以及操纵，其中AI控制实体往往根据其它实体的运动来调整其运动。AI技术的应用允许计算机游戏包括非人类实体，非人类实体向玩家提供智能幻影和有趣挑战并且会是视频游戏成功的决定性方面。
物理学(physics)模拟(以下称作“物理学”)也用于计算机游戏中。游戏中的物理学已经包括如检测对象何时碰撞以及控制对碰撞的响应(弹跳、合并、粉碎等)之类的活动、液体流动模拟(例如用于示出具有河/水的环境或使用液体的武器)、服装模拟(用于增强人和生物着装、穿戴盔甲等的真实性)、武器物理学(轨迹模拟、爆炸模拟)和各种其它主题。物理学在视频游戏中的最新应用已经开始包括可变形世界的概念，其中可在物理学的帮助下操纵对象。在可变形世界中，部分或全部对象通过其物理属性来描述，并且与对象的玩家交互允许对游戏环境的变更和操纵。由可变形世界物理学实现的事物的示例包括在墙上射出孔而不是经过门口，或者扔出环境中找到的椅子而不是射击武器。
但是，在视频游戏中物理学和AI会是计算密集的工作负荷。当前游戏中的物理学可每秒消耗10-100×109浮点运算(GFLOPS)，未来的游戏预计消耗甚至更多计算资源以支持例如容积流体的丰富环境物理学特征。此外，实现物理学和AI的软件在代码复杂度(分支、不规则/非流式存储器存取)和数据复杂度(复杂数据结构的使用)方面往往较为复杂。一般来说，物理学子系统和AI子系统彼此不交互。
发明内容
按照本发明的一种将推测物理学建模与基于目标人工智能进行组合的方法，包括：识别计算机游戏的场景中对所述计算机游戏的人工智能AI角色可见的可变形对象；请求与所述可变形对象关联的至少一个推测物理学模拟，以便确定与所述AI角色对所述可变形对象的至少一个动作关联的结果；以及选择可被所述AI角色采取的多个动作中之一，其中所述选择至少部分基于所述至少一个推测物理学模拟。
按照本发明的一种将推测物理学建模与基于目标人工智能进行组合的方法，包括：在计算机游戏的原型版本的开发执行期间，识别所述计算机游戏的场景中对人工智能AI角色可见的可变形对象；执行与所述可变形对象关联的至少一个推测物理学模拟，以便确定与所述AI角色对所述可变形对象的可能动作关联的结果；以及用与动态定义的动作对应的结果动态更新由所述AI角色采取的可能动作的图表，其中所述图表包括多个预先编程动作；以及将所述结果存储在临时存储装置中，供所述计算机游戏的编程人员存取。
按照本发明的一种将推测物理学建模与基于目标人工智能进行组合的系统，包括：处理器，包括独立运行指令的多个核心；以及动态随机存取存储器DRAM，存储包括指令的程序，所述程序具有在所述处理器上运行的人工智能AI模块和物理学模块，所述AI模块识别所述程序的场景中对由所述AI模块所控制的AI角色可见的可变形对象，请求所述物理学模块执行与所述可变形对象关联的至少一个推测物理学模拟以便确定从所述AI角色对所述可变形对象的至少一个动作发生的结果，以及将所述至少一个动作添加到所述AI角色可对所述可变形对象采取的动作的集合，其中所述动作的集合中的其它动作是预先编程的。
附图说明
图1A是根据本发明一个实施例的经预先编程潜在动作的示例图表。
图1B是根据本发明一个实施例的示例图表。
图2是根据本发明一个实施例的方法的流程图。
图3是根据本发明实施例执行一个或多个推测(speculative)物理学模拟的方法的流程图。
图4是根据本发明实施例的系统的框图。
具体实施方式
实施例可用于将AI和物理学组合在例如视频游戏的基于计算机游戏中。更具体来说，这些不同技术可通过如下进行组合：应用面向目标AI的概念，其中AI具有它希望实现的某个目标(例如杀掉玩家)，其中推测运行可变形世界物理学(例如，对玩家评估对墙射击是否会引起建筑物倒塌)。在游戏物理学和AI的情况下，因此，基于目标AI系统将基于物理学的可变形世界变形添加到其一般(与形势的、预先编程的相反)可能动作清单。因此，不是迫使设计人员根据AI实体的物理学环境的变形性来预先考虑给予AI实体的每一个选项，而是AI实体可通过与可变形对象进行推测交互来动态发现其选项。本文所使用的术语“AI实体”或“AI角色”是指受AI系统控制的游戏环境中存在的参与者或其它代理(agent)的表示。
作为基于AI发现的一个示例，AI系统可判定对墙射击是否会因倒塌而引起玩家死亡，或者推动长凳是否会产生到达玩家的新路径，或者引爆炸弹是否会造成玩家无法穿过的障碍物。这又会更好地利用可变形世界的物理学能力以及使AI表现得更有创造性，即向玩家提供AI角色智能外观的方面。
相比之下，在当今的大多数视频游戏中，以比较有限的方式使用AI和物理学。AI通常基于状态或者具有极有限的基于目标行为。此外，AI角色可用的选项必须由设计人员向其进行描述。这是劳动密集的过程，并且是将AI限制到与设计人员所开发的静态创建环境进行交互的过程。因此，虽然当前游戏AI在一些情况下提供世界变形的可能性，但是这类可能性由游戏设计人员人工预先编程。例如，AI角色将仅知道它是否可突破窗口进入房间，要是设计人员在AI算法中明确添加那个选项的话。这类选项通常仅包括可被尝试的对象或动作的具体列表。此外，当前计算机游戏使用反应形式的物理学，其中玩家执行动作而物理学模拟对结果建模。但是，这类游戏没有使用基于目标AI和推测物理学执行的组合。通过使用本发明的实施例来组合这两种技术，可使游戏对玩家更具挑战性且更有趣，减少游戏设计人员所需的工作量，并且增加AI以未由设计人员预先考虑的方式利用物理学环境的能力。
虽然许多不同实现是可能的，但作为示例来描述一个实施例。示例实施例使用面向目标规划，其中设计人员在游戏开发期间创建潜在动作图表，该图表指明AI角色可采取的可能动作以及从那些动作可产生什么结果。这用于实现AI角色的目标。
预先编程潜在动作的示例图表如图1A所示，其中目标是扳动带门的墙的另一侧上的开关。图1A中，节点是AI角色可能所处的状态，并且边是它可采取的动作。边也标记有成本值，从而为特定动作过程赋予AI角色偏好。因此，如图1A所示，潜在动作图表10包括各自可定义AI角色所处状态的多个节点20、25和35。具体来说，状态20可与开门之后AI角色的定位和状态关联，节点25与踢倒门之后AI角色的状态和定位关联，而状态35可在AI角色扳动开关之后到达。在一个实施例中，AI子系统进行操作以找到通过图表至目标的最短成本路径，并实现该计划。例如，如果门被锁上，则AI会认识到这点并重新规划。在图1A的实施例中，括号中的数字可表示各动作的成本。
通过使用本发明的实施例，可用通过从AI系统到物理学系统的查询所提供的选项来动态扩大这个预先编程图表。例如，在上述情况之后，可将墙的某些部分建模为可用炸药来操纵的砖块堆。没有来自设计人员的输入，AI系统可动态执行光线投射(raycast)，以便识别从角色可见的所有可变形对象。如果找到这类对象，则可运行推测物理学模拟，以便查看用例如火箭筒射击对象的结果是否允许AI角色到达其目标。如果这类选项可用，则来自图1A的图表会被扩大为看起来像图1B中的图表。
更具体来说，图1B示出根据本发明实施例的潜在动作图表。在图表10’中，存在附加状态40。这个附加状态40可在游戏的运行时间期间被动态添加到图表。也就是说，AI子系统可在查看它所在的环境时确定可变形对象(例如墙)的存在，并且向物理学子系统生成执行推测物理学模拟的请求，以便确定执行动作(例如对墙发射火箭筒)是否将产生预期结果，即击倒墙或者其一部分使得AI角色可到达其最终目标。相应地，通过开始于与图1A的图表10中相同的预先编程选项并且根据AI子系统请求的一个或多个推测物理学模拟的结果更新图表，在运行时间期间动态生成图1B的图表10’。因此，这个扩大的图表允许AI角色按照不同方式与其环境进行交互，而无需设计人员明确描述其全部可能动作。注意，在图1B的实施例中，对墙发射火箭的成本可高于其它潜在动作。在一些实现中，推测动作的这类成本确定可由设计人员来确定。例如，如果设计人员希望AI角色优选更巧妙的方式，则可向所有火箭筒使用赋予作为比格斗拳击更高成本的指定成本。在其它实现中，成本可由物理学子系统生成。例如，努力推动特定重量块的工作可用于赋予AI角色对较少物理努力的偏好。
现在参照图2，示出根据本发明一个实施例的方法的流程图。如图2所示，方法100可由AI子系统在运行时间期间用于请求和得到一个或多个推测物理学模拟的结果，并且将这类结果用于确定要采取的动作。注意，虽然图2的流程图针对游戏运行期间的运行时间，但是实施例也可在游戏开发的设计部分期间使用。因此，如下面进一步所述，AI子系统可在游戏的原型执行期间工作在与图2所示相似的方式，以便确定可对可变形对象采取的各种潜在动作，使得根据推测物理学模拟的结果，游戏设计人员可选择将潜在动作中之一或多个结合到将要启用的动作的预先编程选择。
现在参照图2，方法100可通过执行识别对AI角色可见的可变形对象的请求而开始(框110)。在各个实施例中，在游戏运行期间，AI子系统在AI角色进入环境时可确定对AI角色可见的一个或多个可变形对象的存在。对于这些可变形对象中的至少一个以及可能多个或全部，AI子系统可生成对这些可变形对象中之一或多个执行推测动作的推测物理学模拟的请求(框120)。相应地，AI子系统将这些请求发送给可执行推测物理学模拟的物理学子系统，如下面进一步所述。
在框130，可从物理学子系统接收模拟结果。根据可指明给定推测动作是否成功引起例如击倒墙、竖起障碍物或者引起某个别的预期动作的预期结果的那些结果，可将这些结果结合到潜在动作图表中(框140)。例如，又参照图1B，根据推测物理学模拟的结果，AI子系统可添加附加节点40，因而生成图表10’。根据这个图表，可选择潜在动作(例如图表中所述)中的动作(框150)。更具体来说，在一个实施例中，AI子系统可选择具有最低成本的动作来执行。最后，在框160，可执行所选动作。虽然在图2的实施例中以这种具体实现示出，但是本发明的范围不限于此，AI子系统可以与上文所述不同的方式请求和使用推测物理学模拟的结果。
执行推测物理学模拟会是计算量极大的。因此，在一些实施例中，可执行全推测物理学模拟的变型以降低复杂度，使得它工作在最大范围的游戏情景和硬件环境中。这些变型包括：对推测物理学执行比对实际上使对象在游戏中移动的物理学精确性更小的物理学模拟；限制用于执行推测物理学模拟的处理器时间量(例如，这类模拟可限制到预定的处理器带宽等级，如50％以下)；以及通过对象离AI角色的视线的距离对物理学模拟确定优先顺序。注意，进行多个并发模拟将顺利并行化，因为独立推测物理学模拟可完全独立地进行。
如上所述，可针对推测物理学模拟进行各种优化，以便降低计算复杂度等。现在参照图3，示出根据本发明实施例执行一个或多个推测物理学模拟的方法的流程图。如图3所示，方法200可通过接收对一个或多个推测物理学模拟的请求而开始(框210)。随后，物理学子系统可根据AI角色与可变形对象之间的距离对这些模拟确定优先顺序(框220)。例如，假定已经接收到许多请求，至少一个请求与AI角色视野中的多个可变形对象中的每个关联。为实现优先顺序，物理学子系统可选择最近的对象来执行物理学模拟。至少，物理学子系统可将模拟排序(order)，使得首先分析最近的对象。
随后，仍然参照图3，对于各模拟，可确定是否存在执行模拟的足够资源(菱形框230)。例如，在一个实现中，模拟可被并行化并且单独提供给给定处理器的多个核心或其它处理单元中的每个。如果没有资源可用于给定模拟，则该方法可针对那个模拟作出结论。相反，如果资源可用，则控制转到框240，可在那里模拟动作并且可生成物理学模型(框240)。例如，可实现物理学模型，以便执行综合阶段和碰撞检测阶段。在综合阶段，可移动可变形对象和/或其它主体，并且在这个综合阶段期间的一个或多个点，可执行碰撞检测以确定两个此类主体是否已碰撞。根据可用资源量，可执行这些综合和碰撞检测阶段的不同粒度。当模拟完成时，可将可与可变形对象的识别对应的那个模拟的结果和推测结果(例如，墙是否被粉碎等)回传给AI子系统(框250)。然后，如果存在要执行的附加模拟，则控制可以转回到上述菱形框230。虽然在图3的实施例中以这种具体实现示出，但是本发明的范围不限于此。
如上所述，在一些实现中，组合AI和物理学模拟可在游戏的设计阶段期间进行。更具体来说，在进行初始编程并且原型程序可用于执行之后，在这种原型或验证执行期间，AI子系统可寻求一个或多个推测物理学模拟来确定可能动作的潜在结果。然后，可由游戏设计人员分析这些推测物理学模拟结果。根据这些结果，游戏设计人员可选择一个或多个潜在动作来合并到潜在动作图表中。因此，根据这个推测操作，可将一个或多个附加潜在动作添加到对AI角色可用的预先编程动作集合，作为对原型程序的修订或更新。因此，又参照图1B，可根据游戏的原型运行期间所执行的推测物理学模拟将附加节点40添加到如图1A中图表10的预先编程图表。
因此，通过使用本发明的各个实施例，在游戏运行期间，AI角色可根据设计人员所描述并且结合到游戏中的预先编程判定从多个潜在动作中进行选择。此外，附加潜在动作可基于AI子系统在游戏开发期间所生成的潜在判定。在这种原型游戏运行期间，在接收到包括潜在判定的结果时，AI子系统可更新已经包括已由游戏设计人员预先编程的一个或多个潜在动作的潜在动作图表。在这种原型运行模式中，在一个实现中，可控制原型游戏以将对图表的任何所添加潜在判定存储到追踪高速缓存或者其它存储位置，使得它可被游戏设计人员在以后存取。此外，在一些实现中，可控制原型游戏运行，使得可选择这些动态更新潜在动作中之一或多个供AI角色运行，即使其成本比静态定义动作的大。这种执行的结果还可被存储在追踪高速缓存或者其它这种存储位置中，使得游戏设计人员在检查游戏运行时可确定这类动作对于预先编程到潜在动作图表是否合乎需要。因此，根据这种运行，在游戏开发期间，这些潜在动作则可由设计人员选择以供结合使得它们变成被预先编程到最终游戏版本中是可能的。
最后，在各个实施例中，在运行时间操作期间，AI子系统可在运行时间期间向物理学子系统自动请求一个或多个推测物理学模拟。可将与这些潜在动作关联的结果添加到待执行的潜在动作的图表。因此，在运行时间期间，AI角色则可选择这些动态添加动作中之一，从而给用户增强游戏的现实性。
实施例可在许多不同系统类型中实现。现在参照图4，示出根据本发明实施例的系统的框图。如图4所示，多处理器系统500是点对点互连系统，并且包括经由点对点互连550耦合的第一处理器570和第二处理器580。如图4所示，处理器570和580中的每个可以是多核处理器，其中包括第一和第二处理器核心(即处理器核心574a及574b和处理器核心584a及584b)，但是潜在地，处理器中可存在更多核心。各处理器核心可以是具有宽向量处理单元的有序处理器，其中相干和高速缓冲存储器通过处理器间通信网络(图4中未示出)与其耦合。此外，在一些实施例中，处理器570和580还可包括固定功能协处理器，所述协处理器在一个实施例中可包括可适合执行推测物理学模拟的一个或多个专用物理学处理单元。但是，在许多实现中，根据本发明实施例执行的推测物理学模拟可在处理器核心的所选一个或多个(例如子集)上运行。因此，实施例可利用具有多核环境的体系结构来执行高速推测物理学模拟，供与运行于处理器核心中一个或多个的AI子系统所控制的AI角色结合使用。
仍然参照图4，第一处理器570还包括存储控制器集线器(MCH)572和点对点(P-P)接口576及578。类似地，第二处理器580包括MCH582和P-P接口586及588。如图2所示，MCH572及582将处理器耦合到相应存储器，即存储器532和存储器534，它们可以是与相应处理器本地附连的主存储器(例如动态随机存取存储器(DRAM))的部分。第一处理器570和第二处理器580可分别经由P-P互连552与554耦合到芯片组590。如图4所示，芯片组590包括P-P接口594和598。
此外，芯片组590包括通过P-P互连539将芯片组590与高性能图形引擎538耦合的接口592。芯片组590又可经由接口596耦合到第一总线516。如图4所示，各种输入/输出(I/O)装置514可连同总线桥518一起耦合到第一总线516，总线桥518将第一总线516耦合到第二总线520。在一个实施例中，包括例如键盘/鼠标522、通信装置526以及可包括代码530的例如磁盘驱动器或其它大容量存储装置的数据存储单元528的各种装置可耦合到第二总线520。另外，音频I/O524可耦合到第二总线520。
实施例可通过代码实现，并且可被存储在存储介质中，存储介质具有其上存储的指令，所述指令可用于将系统编程为执行这些指令。存储介质可包括但不限于：任何类型的磁盘，包括软盘、光盘、致密盘只读存储器(CD-ROM)、可重写密致盘(CD-RW)和磁光盘；半导体器件，例如只读存储器(ROM)、例如动态随机存取存储器(DRAM)和静态随机存取存储器(SARAM)的随机存取存储器(RAM)、可擦可编程只读存储器(EPROM)、闪速存储器、电可擦可编程只读存储器(EEPROM)、磁卡或光卡；或者，适合存储电子指令的其它类型的介质。
虽然已针对有限数量的实施例描述了本发明，但是本领域技术人员将领会从这些实施例知道大量修改和变更。所附权利要求书意在涵盖落入本发明的真实精神和范围之内的所有这类修改和变更。

Claims (20)

1.一种将推测物理学建模与基于目标人工智能进行组合的方法，包括：
识别计算机游戏的场景中对所述计算机游戏的人工智能AI角色可见的可变形对象；
请求与所述可变形对象关联的至少一个推测物理学模拟，以便确定与所述AI角色对所述可变形对象的至少一个动作关联的结果；以及
选择可被所述AI角色采取的多个动作中之一，其中所述选择至少部分基于所述至少一个推测物理学模拟。
2.如权利要求1所述的方法，还包括：至少部分根据与各动作态关联的成本从所述多个动作选择所述动作。
3.如权利要求1所述的方法，还包括：请求多个推测物理学模拟，其中所述推测物理学模拟的优先级基于所述对应可变形对象与所述AI角色之间的距离。
4.如权利要求1所述的方法，还包括：使用具有第一精度的模拟模型来执行所述至少一个推测物理学模拟，所述第一精度具有比对所述可变形对象的实际移动所执行的具有第二精度的模拟模型更低的精度。
5.如权利要求1所述的方法，还包括：接收与所述至少一个动作关联的结果，并且根据所述结果更新将要被所述AI角色采取的潜在动作的图表。
6.如权利要求5所述的方法，其中，所述更新之前的所述潜在动作的图表仅包括预先编程动作。
7.如权利要求1所述的方法，还包括：评估根据所述至少一个推测物理学模拟控制所述AI角色的AI子系统中的多个可变形对象操纵选项。
8.如权利要求7所述的方法，还包括：对多核处理器的不同核心或者核心子集评估所述多个可变形对象操纵选项中的每个。
9.如权利要求1所述的方法，还包括：将执行所述至少一个推测物理学模拟的可用处理器资源限制到预定等级。
10.一种将推测物理学建模与基于目标人工智能进行组合的方法，包括：
在计算机游戏的原型版本的开发执行期间，识别所述计算机游戏的场景中对人工智能AI角色可见的可变形对象；
执行与所述可变形对象关联的至少一个推测物理学模拟，以便确定与所述AI角色对所述可变形对象的可能动作关联的结果；以及
用与动态定义的动作对应的结果动态更新由所述AI角色采取的可能动作的图表，其中所述图表包括多个预先编程动作；以及
将所述结果存储在临时存储装置中，供所述计算机游戏的编程人员存取。
11.如权利要求10所述的方法，还包括：从所述可能动作的图表选择可被所述AI角色采取的多个动作中之一。
12.如权利要求11所述的方法，还包括：即使与所述动态定义动作关联的成本大于与所述预先编程动作关联的成本，也使所述AI角色选择所述动态定义的动作以供执行。
13.如权利要求12所述的方法，还包括：将由于所述所选动作而发生的结果存储在所述临时存储装置中供所述编程人员存取。
14.一种将推测物理学建模与基于目标人工智能进行组合的系统，包括：
处理器，包括独立运行指令的多个核心；以及
动态随机存取存储器DRAM，存储包括指令的程序，所述程序具有在所述处理器上运行的人工智能AI模块和物理学模块，所述AI模块识别所述程序的场景中对由所述AI模块所控制的AI角色可见的可变形对象，请求所述物理学模块执行与所述可变形对象关联的至少一个推测物理学模拟以便确定从所述AI角色对所述可变形对象的至少一个动作发生的结果，以及将所述至少一个动作添加到所述AI角色可对所述可变形对象采取的动作的集合，其中所述动作的集合中的其它动作是预先编程的。
15.如权利要求14所述的系统，其中，所述AI模块将所述至少一个动作添加到潜在动作的图表，并且将成本与所述至少一个动作关联。
16.如权利要求15所述的系统，其中，所述指令使所述AI模块能够从所述动作的集合选择动作，其中所述选择至少部分基于所选动作的成本。
17.如权利要求16所述的系统，其中，所述物理学模块以比在选择所述至少一个动作时所执行的物理学模拟更低的精度执行所述至少一个推测物理学模拟。
18.如权利要求14所述的系统，其中，所述AI模块请求多个推测物理学模拟，并且所述物理学模块根据所述对应可变形对象与所述AI角色之间的距离对所述推测物理学模拟确定优先顺序。
19.如权利要求18所述的系统，其中，所述物理学模块在所述多个核心的不同核心上执行所述多个推测物理学模拟中的每个。
20.如权利要求14所述的系统，其中，所述预先编程动作中至少之一在所述程序的原型执行期间从所述AI模块对推测物理学模拟的请求得出。
CN200980111143.7A 2008-03-26 2009-03-20 将推测物理学建模与基于目标人工智能组合的方法和系统 Expired - Fee Related CN101977662B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US12/079372 2008-03-26
US12/079,372 US8069124B2 (en) 2008-03-26 2008-03-26 Combining speculative physics modeling with goal-based artificial intelligence
US12/079,372 2008-03-26
PCT/US2009/037820 WO2009120601A2 (en) 2008-03-26 2009-03-20 Combining speculative physics modeling with goal-based artificial intelligence

Publications (2)

Publication Number Publication Date
CN101977662A CN101977662A (zh) 2011-02-16
CN101977662B true CN101977662B (zh) 2014-01-22

Family

ID=41114606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200980111143.7A Expired - Fee Related CN101977662B (zh) 2008-03-26 2009-03-20 将推测物理学建模与基于目标人工智能组合的方法和系统

Country Status (6)

Country Link
US (2) US8069124B2 (zh)
EP (1) EP2254673A4 (zh)
JP (1) JP5746509B2 (zh)
KR (2) KR101220071B1 (zh)
CN (1) CN101977662B (zh)
WO (1) WO2009120601A2 (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090259450A1 (en) * 2008-04-15 2009-10-15 Cleary Paul William physics-based simulation
JP5759164B2 (ja) 2010-12-20 2015-08-05 株式会社スクウェア・エニックス ゲーム用人工知能
US8826153B2 (en) * 2011-10-04 2014-09-02 Google Inc. Speculative actions based on user dwell time over selectable content
KR101265051B1 (ko) * 2012-05-30 2013-05-16 주식회사 쏘그웨어 게임 사용자 수준에 따른 ｎｐｃ ａｉ제공방법
US8799799B1 (en) 2013-05-07 2014-08-05 Palantir Technologies Inc. Interactive geospatial map
JP6032710B2 (ja) * 2013-09-12 2016-11-30 株式会社コナミデジタルエンタテインメント シミュレーション装置及びプログラム
JP2015083555A (ja) * 2013-10-25 2015-04-30 花王株式会社 頭髪の染色又は脱色方法
CN104965695B (zh) * 2014-11-25 2018-01-23 深圳市腾讯计算机系统有限公司 模拟用户实时操作的方法和装置
EP3070622A1 (en) 2015-03-16 2016-09-21 Palantir Technologies, Inc. Interactive user interfaces for location-based data analysis
KR102201215B1 (ko) 2015-06-30 2021-01-08 코오롱인더스트리 주식회사 폴리에스테르 필름 및 이의 제조방법
CN105119733B (zh) * 2015-07-06 2019-01-15 百度在线网络技术（北京）有限公司 人工智能系统及其状态跳转方法、服务器、通信系统
US9600146B2 (en) 2015-08-17 2017-03-21 Palantir Technologies Inc. Interactive geospatial map
US10706434B1 (en) 2015-09-01 2020-07-07 Palantir Technologies Inc. Methods and systems for determining location information
US9893974B2 (en) * 2015-10-11 2018-02-13 Microsoft Technology Licensing, Llc Synchronization of data for colliding bodies
US9987559B2 (en) 2016-05-27 2018-06-05 International Business Machines Corporation Aggregating and utilizing meta-game data for artificial intelligence in video games
CN106422332B (zh) * 2016-09-08 2019-02-26 腾讯科技（深圳）有限公司 应用于游戏的人工智能操作方法和装置
JP6330008B2 (ja) * 2016-10-13 2018-05-23 株式会社 ディー・エヌ・エー Ｑ学習を用いたニューラルネットワークの重み付け調整のためのプログラム、システム、及び方法
CN107890675A (zh) * 2017-11-13 2018-04-10 杭州电魂网络科技股份有限公司 Ai行为实现方法和装置
CN109550249B (zh) * 2018-11-28 2022-04-29 腾讯科技（深圳）有限公司 一种目标对象的控制方法、装置及设备
CN110523081B (zh) * 2019-08-08 2022-07-29 腾讯科技（深圳）有限公司 导航寻路路径的规划方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5577185A (en) * 1994-11-10 1996-11-19 Dynamix, Inc. Computerized puzzle gaming method and apparatus
US6195626B1 (en) * 1998-06-19 2001-02-27 Microsoft Corporation Heightened realism for computer-controlled units in real-time simulation
CN101107630A (zh) * 2005-01-25 2008-01-16 科乐美数码娱乐株式会社 图像生成装置、自动生成方法、记录媒体以及程序

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2888724B2 (ja) * 1993-03-26 1999-05-10 株式会社ナムコ ３次元ゲーム装置及び画像合成方法
JPH08299597A (ja) * 1995-04-28 1996-11-19 Taito Corp ガンシューティングゲーム機
JP4278071B2 (ja) * 1999-06-17 2009-06-10 株式会社バンダイナムコゲームス 画像生成システム及び情報記憶媒体
JP2001224849A (ja) 1999-12-10 2001-08-21 Sony Computer Entertainment Inc エンタテインメントシステム、エンタテインメント装置、記録媒体及びプログラム
US7358973B2 (en) 2003-06-30 2008-04-15 Microsoft Corporation Mixture model for motion lines in a virtual reality environment
US7260560B2 (en) 2003-06-30 2007-08-21 Microsoft Corporation Modified motion control for a virtual reality environment
US7739479B2 (en) * 2003-10-02 2010-06-15 Nvidia Corporation Method for providing physics simulation data
US7895411B2 (en) * 2003-10-02 2011-02-22 Nvidia Corporation Physics processing unit
US7574695B2 (en) * 2003-12-23 2009-08-11 Ntt Docomo, Inc. Performing checks on the resource usage of computer programs
US20100235608A1 (en) * 2004-03-25 2010-09-16 Aiseek Ltd. Method and apparatus for game physics concurrent computations
GB0407336D0 (en) * 2004-03-31 2004-05-05 British Telecomm Pathfinding system
KR100621559B1 (ko) * 2004-03-31 2006-09-18 봉래 박 인공지능 학습을 통한 게이머의 게임 스타일 이식시스템및 그 이식방법
KR100766545B1 (ko) * 2005-09-08 2007-10-11 엔에이치엔(주) 게이머의 입력 패턴을 복사하여 게임을 수행하는 게임 ａｉ제어 방법 및 게임 ａｉ 제어 시스템
US7616204B2 (en) * 2005-10-19 2009-11-10 Nvidia Corporation Method of simulating dynamic objects using position based dynamics
US7408550B2 (en) * 2006-07-24 2008-08-05 Bunnell Michael T System and methods for real-time rendering of deformable geometry with global illumination
KR100913030B1 (ko) * 2007-07-18 2009-08-20 중앙대학교 산학협력단 단계별 퍼지 로직을 이용한 게임 전략 방법 및 그 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5577185A (en) * 1994-11-10 1996-11-19 Dynamix, Inc. Computerized puzzle gaming method and apparatus
US6195626B1 (en) * 1998-06-19 2001-02-27 Microsoft Corporation Heightened realism for computer-controlled units in real-time simulation
CN101107630A (zh) * 2005-01-25 2008-01-16 科乐美数码娱乐株式会社 图像生成装置、自动生成方法、记录媒体以及程序

Also Published As

Publication number Publication date
CN101977662A (zh) 2011-02-16
JP2011513009A (ja) 2011-04-28
KR101220071B1 (ko) 2013-01-08
WO2009120601A2 (en) 2009-10-01
KR20100120697A (ko) 2010-11-16
US20120030148A1 (en) 2012-02-02
EP2254673A4 (en) 2011-06-29
US20090248593A1 (en) 2009-10-01
JP5746509B2 (ja) 2015-07-08
EP2254673A2 (en) 2010-12-01
WO2009120601A3 (en) 2009-11-26
US8069124B2 (en) 2011-11-29
KR20120060917A (ko) 2012-06-12
US8280826B2 (en) 2012-10-02

Similar Documents

Publication Publication Date Title
CN101977662B (zh) 将推测物理学建模与基于目标人工智能组合的方法和系统
Blow Game Development: Harder Than You Think: Ten or twenty years ago it was all fun and games. Now it’s blood, sweat, and code.
CN112221149B (zh) 一种基于深度强化学习的炮兵连智能作战演练系统
JP6937759B2 (ja) データベース操作方法及び装置
CN106508012B (zh) 面向服务的群体行为并行仿真方法
CN111026272A (zh) 虚拟对象行为策略的训练方法及装置、电子设备、存储介质
CN113599798A (zh) 基于深度强化学习方法的中国象棋博弈学习方法及系统
TW200525429A (en) Method and program solving LCPs for rigid body dynamics
Green et al. Organic building generation in minecraft
Smolyakov et al. Design of the software architecture for starcraft video game on the basis of finite state machines
CN110262879A (zh) 一种基于平衡探索与利用的蒙特卡洛树搜索方法
Lees et al. Agents, games and HLA
Rahman et al. Towards accelerated agent-based crowd simulation for Hajj and Umrah
Majid et al. GPU-based Optimization of Pilgrim Simulation for Hajj and Umrah Rituals.
CN117695623A (zh) 虚拟世界中物理场景资源的管理方法、装置及计算机设备
KR20110052614A (ko) 과거, 현재 그리고 미래를 포함하는 타임 윈도우를 통해서 이벤트들을 업데이트함으로써 시나리오를 시뮬레이션하는 방법, 시스템 및 컴퓨터 프로그램 제품
Gayle et al. Navigating virtual agents in online virtual worlds
Llobet Sanchez Learning complex games through self play-Pokémon battles
CN118364851A (zh) 多智能体训练与训练控制方法、装置、环境判断器、系统
Tuchschmid et al. A flexible framework for highly-modular surgical simulation systems
Yılmaz Massive crowd simulation with parallel processing
KR20220150757A (ko) 게임 제공 장치, 예측확률지수에 대응하는 리워드를 제공하는 게임 제공 방법 및 컴퓨터 프로그램
Xavier et al. Hybrid AI/Cognitive Tactical Behavior Framework for LVC
Lehtinen CROWD SIMULATION IN GAMES
Rivera Hernández Comparación de la explicación obtenida con modelos de explicabilidad para diferentes métodos de Reinforcement Learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140122

Termination date: 20150320

EXPY Termination of patent right or utility model