KR20180083703A - Method of decision making for a fighting action game character based on artificial neural networks and computer program therefor - Google Patents

Method of decision making for a fighting action game character based on artificial neural networks and computer program therefor Download PDF

Info

Publication number
KR20180083703A
KR20180083703A KR1020170006303A KR20170006303A KR20180083703A KR 20180083703 A KR20180083703 A KR 20180083703A KR 1020170006303 A KR1020170006303 A KR 1020170006303A KR 20170006303 A KR20170006303 A KR 20170006303A KR 20180083703 A KR20180083703 A KR 20180083703A
Authority
KR
South Korea
Prior art keywords
neural network
character
game
state
game character
Prior art date
Application number
KR1020170006303A
Other languages
Korean (ko)
Inventor
정지년
Original Assignee
주식회사 엔씨소프트
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 주식회사 엔씨소프트 filed Critical 주식회사 엔씨소프트
Priority to KR1020170006303A priority Critical patent/KR20180083703A/en
Publication of KR20180083703A publication Critical patent/KR20180083703A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • A63F13/45—Controlling the progress of the video 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
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/80—Special adaptations for executing a specific game genre or game mode
    • A63F13/822—Strategy games; Role-playing games
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • G06N3/0427—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0454—
    • 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
    • A63F2300/80—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 specially adapted for executing a specific type of game
    • A63F2300/807—Role playing or strategy games

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Machine Translation (AREA)

Abstract

Disclosed are a method of decision making of a fighting type game character based on an artificial neural network and a computer program therefor. The present invention provides a method for allowing an artificial intelligence character to efficiently perform decision making even when game states to be expressed according to a contestant are various by proposing an artificial intelligence character model which identifies a game state through an artificial neural network to perform behavior suitable for a situation. According to the present invention, the artificial neural network is composed of a combination of a character state expression neural network for each game character for expressing a state of each game character, a common environment expression neural network for expressing a state of a common environment of a game, a game state expression neural network for generalizing and expressing the game state and a decision making neural network for each game character.

Description

인공 신경망을 기반으로 한 대전형 게임 캐릭터의 의사 결정 방법 및 이를 위한 컴퓨터 프로그램 {Method of decision making for a fighting action game character based on artificial neural networks and computer program therefor}TECHNICAL FIELD The present invention relates to a decision-making method of a game character based on an artificial neural network, and a computer program for the game character based on the artificial neural network,

본 발명은 대전형 컴퓨터 게임에 대한 것으로, 더 구체적으로는 대전을 수행하는 인공지능 게임 캐릭터가 인공 신경망을 기반으로 게임 상태를 파악하여 상황에 적합한 행동을 수행하기 위한 의사 결정 방법 및 이를 위한 컴퓨터 프로그램에 대한 것이다.More particularly, the present invention relates to a decision-making method for an artificial intelligent game character performing a competition to grasp a game state based on an artificial neural network to perform an action suitable for a situation, and a computer program Lt; / RTI >

대전형 게임에서 인공지능 게임 캐릭터가 플레이어에 의해 조작되는 게임 캐릭터와 대전할 때 플레이어 캐릭터의 행동 양식에 따라 인공지능 캐릭터가 적절하게 반응하도록 하여야 플레이어들에게 흥미있는 게임을 제공할 수 있다. 이러한 인공지능 캐릭터의 구현을 위해 다양한 방법이 시도되고 있다. It is possible to provide an interesting game to the players by allowing the artificial intelligent character to appropriately react according to the behavior style of the player character when the artificial intelligent game character in the competitive game matches the game character manipulated by the player. Various methods have been tried to implement such an artificial intelligence character.

이중에서 규칙 기반의 의사 결정에 의한 대전형 게임은 인공지능 캐릭터의 단순한 의사 결정과 그에 따른 행동 패턴으로 인해 플레이어가 인공지능 캐릭터의 행동 패턴을 파악하고 나면 쉽게 이길 수 있다는 한계가 있다.In this case, there is a limitation that a game based on rule-based decision making can easily win if the player grasps the behavior pattern of the artificial intelligent character due to the simple decision of the artificial intelligent character and the behavior pattern thereof.

따라서, 다양한 상황에 대해 다양한 반응을 보이는 인공지능 캐릭터를 만들기 위해서는 규칙 지반의 인공지능이 아닌 학습을 통해 다양한 특징을 보이는 인공지능 캐릭터를 개발할 필요가 있으며, 이를 위해 인공 신경망(Artificial Neural Network)을 기반으로 하는 의사 결정 방법이 연구되고 있다.Therefore, it is necessary to develop an artificial intelligence character that shows various characteristics through learning rather than the artificial intelligence of the rule ground in order to create an artificial intelligence character that shows various responses to various situations. For this, artificial neural network (Artificial Neural Network) Decision making methods are being studied.

도 1은 종래 기술에 따라 인공 신경망을 기반으로 한 대전형 게임 캐릭터의 의사 결정 방법을 설명하기 위한 도면이다.FIG. 1 is a diagram for explaining a decision method of a competitive game character based on an artificial neural network according to the prior art.

도 1에 도시된 종래 기술에 따르면, 게임 캐릭터 쌍마다 독립적인 신경망이 형성되며 각 신경망에 대해 학습이 필요하다. 도 1에 도시된 바와 같이, 캐릭터 A 대 캐릭터 A의 대전에서 캐릭터 A의 의사 결정을 위한 신경망(10), 캐릭터 A 대 캐릭터 B의 대전에서 캐릭터 A의 의사 결정을 위한 신경망, ..., 캐릭터 Z 대 캐릭터 Z의 대전에서 캐릭터 Z의 의사 결정을 위한 신경망이 필요하며, 게임 캐릭터의 수가 8가지인 경우 64개(=8×8)의 신경망이 필요하게 된다. According to the prior art shown in FIG. 1, independent neural networks are formed for each game character pair, and learning is required for each neural network. As shown in Fig. 1, a neural network 10 for decision of a character A in a competition between a character A and a character A, a neural network for decision-making of the character A in the competition between the character A and the character B, We need a neural network for the decision of character Z in the competition of Z vs. character Z, and 64 (= 8 × 8) neural networks are required when the number of game characters is eight.

이러한 방법은 게임 상태가 고정된 형태의 벡터로 표현될 수 있는 경우에는 적합하나, 대전 상대에 따라 표현해야 할 게임 상태가 다양한 경우는 적합하지 않다는 문제가 있다. This method is suitable when the game state can be represented by a fixed form vector, but it is not suitable when the game state to be represented depends on the opponent.

본 발명은 상기와 같은 종래 기술의 문제점을 해소하기 위한 것으로, 인공 신경망을 통해 게임 상태를 파악하여 상황에 적합한 행동을 수행하는 인공지능 캐릭터 모델을 제안함으로써 대전 상대에 따라 표현해야 할 게임 상태가 다양한 경우에도 인공지능 캐릭터가 효율적으로 의사 결정할 수 있는 방법을 제공하기 위한 것이다.SUMMARY OF THE INVENTION The present invention has been made to solve the above problems of the prior art, and it is an object of the present invention to provide an artificial intelligent character model that grasps game states through an artificial neural network, It is intended to provide a way for artificial intelligence characters to make efficient decisions.

상기와 같은 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 인공 신경망을 기반으로 한 대전형 게임 캐릭터의 의사 결정 방법은, 대전형 온라인 게임의 게임 캐릭터별로 해당 게임 캐릭터의 상태를 표현하는 게임 캐릭터별 상태 표현 신경망을 형성하는 단계와; 게임의 공통 환경의 상태를 표현하는 공통 환경 표현 신경망을 형성하는 단계와; 상기 게임 캐릭터별 상태 표현 신경망과 상기 공통 환경 표현 신경망의 출력을 입력 받아 게임 상태를 일반화하여 표현하는 게임 상태 표현 신경망을 형성하는 단계와; 상기 게임 상태 표현 신경망의 출력을 입력으로 하는 각 게임 캐릭터별 의사 결정 신경망을 형성하는 단계와; 상기 게임 캐릭터별 상태 표현 신경망, 상기 공통 환경 표현 신경망, 상기 게임 상태 표현 신경망 및 상기 게임 캐릭터별 의사 결정 신경망을 결합한 인공 신경망에서 각 게임 캐릭터를 학습시키는 단계와; 인공지능 게임 캐릭터가 상대방 게임 캐릭터와 대전을 수행할 때 상기 인공 신경망을 이용하여 상기 인공지능 게임 캐릭터의 의사 결정을 수행하는 단계를 포함할 수 있다.According to an aspect of the present invention, there is provided a method of determining a competitive game character based on an artificial neural network, the method comprising the steps of: Forming a character-by-character state representation neural network; Forming a common environment expression neural network expressing a state of a common environment of the game; Forming a game state expression neural network that receives the output of the state expression neural network and the common environment expression neural network for each game character and generalizes and expresses the game state; Forming a decision-making neural network for each game character that receives the output of the game state representation neural network as input; Learning each game character in an artificial neural network that combines the state-represented neural network for each game character, the common environment expression neural network, the game state representation neural network, and the decision-making neural network for each game character; And performing the decision of the artificial intelligent game character using the artificial neural network when the artificial intelligent game character performs a competition with the opposing game character.

상기 의사 결정 방법은, 신규 인공지능 게임 캐릭터에 대한 상태 표현 신경망 및 의사 결정 신경망을 상기 인공 신경망에 추가하고 학습시킴으로써 상기 신규 인공지능 게임 캐릭터를 상기 대전형 온라인 게임에 추가하는 단계를 더 포함할 수 있다.The method may further include adding the new artificial intelligent game character to the online online game by adding and learning to the artificial neural network a state representation neural network and a decision artificial neural network for a new artificial intelligence game character have.

상기 게임 캐릭터별 상태 표현 신경망은, 캐릭터에 상관 없는 공통 특징을 표현하는 캐릭터 공통 상태 표현 신경망과 해당 캐릭터의 스킬을 표현하는 캐릭터 고유 상태 표현 신경망을 포함할 수 있다.The state representation neural network for each game character may include a character common state representation neural network expressing a common characteristic irrespective of the character and a character inherent state representation neural network expressing the skill of the character.

상기 게임 캐릭터별 의사 결정 신경망은, 해당 캐릭터의 이동을 결정하기 위한 캐릭터 이동 결정 신경망과 해당 캐릭터의 스킬 사용을 결정하기 위한 캐릭터 스킬 결정 신경망을 포함할 수 있다.The decision-making neural network for each game character may include a character movement determining neural network for determining the movement of the character and a character skill determination neural network for determining the skill use of the character.

본 발명에 의하면, 인공 신경망을 통해 게임 상태를 파악하여 상황에 적합한 행동을 수행하는 인공지능 캐릭터 모델을 제공함으로써 대전 상대에 따라 표현해야 할 게임 상태가 다양한 경우에도 인공지능 캐릭터가 효율적으로 의사 결정을 수행할 수 있게 되며, 그에 따라 플레이어들에게 재미를 줄 수 있는 대전형 게임의 제공이 가능하다.According to the present invention, an artificial intelligence character model that grasps a game state through an artificial neural network and performs an action appropriate to the situation is provided, so that even when a game state to be represented according to an opponent is varied, artificial intelligence characters can efficiently make a decision So that it is possible to provide a competitive game in which players can have fun.

또한, 본 발명에 의하면, 인공 신경망의 프리 파라미터(Free Parameter)가 적고 공통 요소를 재활용함으로 인해 학습의 일반화에 유리한 인공지능 캐릭터를 구현할 수 있다.In addition, according to the present invention, since artificial neural networks have few free parameters and common elements are recycled, an artificial intelligent character advantageous to generalization of learning can be realized.

또한, 본 발명에 의하면 캐릭터쌍 각각에 대해 학습하는 대신 각 캐릭터별로 학습하므로 학습되지 않은 캐릭터쌍 간의 대전시에도 적용이 가능하다. 즉, 캐릭터 A와 캐릭터 B의 대전이 학습되지 않은 경우에도 각각의 캐릭터에 대한 상태 표현 신경망과 의사 결정 신경망이 학습되어 있으면 캐릭터 A와 캐릭터 B의 대전이 가능하다.Further, according to the present invention, instead of learning each character pair, learning is performed for each character, so that the present invention can be applied to a game between pairs of characters that have not been learned. That is, even if the match between the characters A and B is not learned, it is possible to play the character A and the character B if the state expression neural network and the decision-making neural network for each character are learned.

또한, 본 발명에 의하면 신규 캐릭터의 상태 표현 신경망과 의사 결정 신경망의 학습만으로 신규 캐릭터의 추가가 가능하므로 인공지는 캐릭터의 업데이트가 용이하다.In addition, according to the present invention, it is possible to add a new character only by learning the state representation neural network and the decision-making neural network of a new character, so that it is easy to update the artificial character.

도 1은 종래 기술에 따라 인공 신경망을 기반으로 한 대전형 게임 캐릭터의 의사 결정 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 인공 신경망을 기반으로 한 대전형 게임 시스템의 네트워크 구성과 인공지능 게임 캐릭터를 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 인공 신경망을 기반으로 한 대전형 게임 캐릭터의 의사 결정 방법을 설명하기 위한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 인공 신경망의 구성을 설명하기 위한 도면이다.
도 5 내지 도 9는 본 발명의 일 실시예에 따른 인공 신경망의 세부 구성을 설명하기 위한 도면이다.FIG. 1 is a diagram for explaining a decision method of a competitive game character based on an artificial neural network according to the prior art.
FIG. 2 is a diagram for explaining a network configuration and an artificial intelligence game character of a competitive game system based on an artificial neural network according to an embodiment of the present invention.
FIG. 3 is a flowchart illustrating a decision method of a competitive game character based on an artificial neural network according to an embodiment of the present invention.
4 is a diagram for explaining a configuration of an artificial neural network according to an embodiment of the present invention.
5 to 9 are views for explaining the detailed configuration of an artificial neural network according to an embodiment of the present invention.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다. The terms used in this specification will be briefly described and the present invention will be described in detail.

본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다. While the present invention has been described in connection with what is presently considered to be the most practical and preferred embodiment, it is to be understood that the invention is not limited to the disclosed embodiments. Also, in certain cases, there may be a term selected arbitrarily by the applicant, in which case the meaning thereof will be described in detail in the description of the corresponding invention. Therefore, the term used in the present invention should be defined based on the meaning of the term, not on the name of a simple term, but on the entire contents of the present invention.

명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...수단", "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.When an element is referred to as "including" an element throughout the specification, it is to be understood that the element may include other elements as well, without departing from the spirit or scope of the present invention. The term " means ", "part "," module ", etc. in the specification means units for processing at least one function or operation, Lt; / RTI >

아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art can easily carry out the present invention. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In order to clearly illustrate the present invention, parts not related to the description are omitted, and similar parts are denoted by like reference characters throughout the specification.

도 2는 본 발명의 일 실시예에 따른 인공 신경망을 기반으로 한 대전형 게임 시스템의 네트워크 구성과 인공지능 게임 캐릭터를 설명하기 위한 도면이다.FIG. 2 is a diagram for explaining a network configuration and an artificial intelligence game character of a competitive game system based on an artificial neural network according to an embodiment of the present invention.

도 2를 참조하면, 본 발명에 의한 대전형 게임 시스템은 게임 서버(100) 및 플레이어 단말(110)을 포함하며, 이들은 인터넷 등의 네트워크를 통해 정보를 주고 받는다.2, the charging game system according to the present invention includes a game server 100 and a player terminal 110, which exchange information through a network such as the Internet.

게임 서버(100)는 네트워크를 통해 접속한 게임 클라이언트에 대전형 게임을 제공하며, 인공 신경망을 기반으로 의사 결정을 하는 인공지능 게임 캐릭터(101)가 상대방 게임 캐릭터와 대전을 수행하도록 제어한다.The game server 100 provides a competitive game to a game client connected through a network, and controls the artificial intelligent game character 101 making a decision based on the artificial neural network to compete with the opponent game character.

인공지능 게임 캐릭터(101)는 게임 서버(100)에 의해 자동 조종되는 게임 캐릭터로서 인공 신경망을 기반으로 상대방 게임 캐릭터(111) 및 게임 상황을 관찰하고 그에 따른 의사 결정을 수행함으로써 위치 이동, 스킬 사용 등을 실행하여 상대방 게임 캐릭터(111)와의 대전을 진행한다.The artificial intelligence game character 101 is a game character automatically controlled by the game server 100, observes the opposing game character 111 and the game situation based on the artificial neural network, And proceeds with the competition with the opponent game character 111.

플레이어 단말(110)은 대전형 게임 서비스를 이용하기 위한 게임 클라이언트를 구비하며, 플레이어는 플레이어 단말(110)을 통해 게임 캐릭터(111)를 조작함으로써 게임을 수행한다.The player terminal 110 includes a game client for using the competitive game service, and the player performs the game by operating the game character 111 through the player terminal 110. [

도 3은 본 발명의 일 실시예에 따른 인공 신경망을 기반으로 한 대전형 게임 캐릭터의 의사 결정 방법을 설명하기 위한 순서도이고, 도 4는 본 발명의 일 실시예에 따른 인공 신경망의 구성을 설명하기 위한 도면이다.FIG. 3 is a flow chart for explaining a decision method of a competitive game character based on an artificial neural network according to an embodiment of the present invention. FIG. 4 is a block diagram illustrating a configuration of an artificial neural network according to an embodiment of the present invention FIG.

본 발명에 따른 인공 신경망 모델은 복수 유형의 신경망이 유기적으로 결합된 형태로 구성될 수 있다.The artificial neural network model according to the present invention may be configured such that plural types of neural networks are organically combined.

도 4를 참조하면, 본 발명에서 제안하는 인공 신경망은 각각의 게임 캐릭터의 상태를 표현하기 위한 게임 캐릭터별 캐릭터 상태 표현 신경망(Neural Network for Character, 41)과, 게임의 공통 환경의 상태를 표현하는 공통 환경 표현 신경망(Neural Network for Common Environment, 42)과, 게임 상태를 일반화하여 표현하는 게임 상태 표현 신경망(Neural Network for Integrated Game State, 43)과, 각각의 게임 캐릭터별 의사 결정 신경망(Decision Neural Network for Character, 44)을 포함할 수 있다.Referring to FIG. 4, the artificial neural network proposed in the present invention includes a character state expression neural network (Neural Network for Character) 41 for expressing the state of each game character, A Neural Network for the Common Environment 42, a Neural Network for the Integrated Game State 43 for generalizing and expressing the game state, and a Decision Neural Network for Character, 44).

도 3 및 도 4를 참조하면, 단계 S30에서는 대전형 온라인 게임의 게임 캐릭터별로 해당 게임 캐릭터의 상태를 표현하는 게임 캐릭터별 상태 표현 신경망(41)을 형성한다. 캐릭터 상태 표현 신경망(41)에는 해당 캐릭터의 상태에 대한 정보가 입력된다.Referring to FIGS. 3 and 4, in step S30, a game character-by-character state expression neural network 41 expressing the state of the game character for each game character of the online online game is formed. In the character state representation neural network 41, information on the state of the character is input.

단계 S31에서는, 게임의 공통 환경의 상태를 표현하는 공통 환경 표현 신경망(42)을 형성한다. 이 공통 환경 표현 신경망(42)에는 게임의 공통 환경의 상태를 나타내는 정보가 입력될 것이다.In step S31, the common environment expression neural network 42 expressing the state of the common environment of the game is formed. In this common environment expression neural network 42, information indicating the state of the common environment of the game will be inputted.

단계 S32에서는, 상기 게임 캐릭터별 상태 표현 신경망(41)과 상기 공통 환경 표현 신경망(43)의 출력을 입력 받아 게임 상태를 일반화하여 표현하는 게임 상태 표현 신경망(43)을 형성한다. In step S32, the game state representation neural network 43 is formed by receiving the output of the game state-represented neural network 41 and the common environment expression neural network 43 and generalizing and expressing the game state.

단계 S33에서는, 게임 상태 표현 신경망(43)의 출력을 입력으로 하는 각 게임 캐릭터별 의사 결정 신경망(44)을 형성한다.In step S33, the decision-making neural network 44 is formed for each game character in which the output of the game state representation neural network 43 is input.

단계 S34에서는, 복수의 게임 캐릭터별 상태 표현 신경망(41), 공통 환경 표현 신경망(42), 게임 상태 표현 신경망(43) 및 복수의 게임 캐릭터별 의사 결정 신경망(44)을 결합한 인공 신경망에서 각 게임 캐릭터를 학습시킨다.In step S34, in the artificial neural network that combines a plurality of game character-by-state representation neural networks 41, a common environment expression neural network 42, a game state representation neural network 43, and a plurality of game character- Let the character learn.

게임 캐릭터가 8가지 종류인 경우, 캐릭터별 상태 표현 신경망(41) 8개, 공통 환경 표현 신경망(42) 1개, 게임 상태 표현 신경망(43) 1개 및 게임 캐릭터별 의사 결정 신경망(44) 8개를 결합함으로써 임의의 대전 상대에 대응할 수 있는 인공 신경망을 생성할 수 있다.In the case of eight kinds of game characters, there are eight character state expression neural networks 41, one common environment expression neural network 42, one game state expression neural network 43, and a game character specific decision logic network 44 It is possible to generate an artificial neural network that can correspond to any opponent.

단계 S35에서는, 인공지능 게임 캐릭터가 상대방 게임 캐릭터와 대전을 수행할 때 상기에서 형성된 인공 신경망을 이용하여 인공지능 게임 캐릭터의 의사 결정을 수행한다. 인공지능 게임 캐릭터가 캐릭터 A인 경우에는 캐릭터 A를 위한 의사 결정 신경망(44)을 통해서 의사 결정을 수행하고, 인공지능 게임 캐릭터가 캐릭터 B인 경우에는 캐릭터 B를 위한 의사 결정 신경망을 통해서 의사 결정을 수행하는 식으로, 해당 캐릭터를 위한 의사 결정 신경망의 출력을 이용하게 된다. In step S35, when the artificial intelligent game character performs the competition with the opposing game character, the artificial intelligent game character is determined using the artificial neural network formed above. If the artificial intelligence game character is a character A, the decision is made through the decision-making neural network 44 for the character A. If the artificial intelligence game character is character B, the decision is made through the decision- , The output of the decision-making neural network for that character is used.

단계 S34에서 결합에 의해 생성된 인공 신경망을 이용하면 대전 상대가 어떤 게임 캐릭터인지에 상관 없이, 즉 임의의 대전 상대에 대해 대응할 수 있는 인공지능 게임 캐릭터를 구현할 수 있게 된다.If the artificial neural network generated by the combination is used in step S34, it is possible to implement an artificial intelligent game character capable of coping with any opponent regardless of the game character of the opponent.

한편, 신규 인공지능 게임 캐릭터를 게임에 추가하고자 하는 경우는, 신규 인공지능 게임 캐릭터에 대한 상태 표현 신경망 및 의사 결정 신경망을 상기 인공 신경망에 추가하고 추가된 신경망들을 학습시킴으로써 간단히 캐릭터의 추가가 가능하다.On the other hand, if the new artificial intelligent game character is to be added to the game, characters can be added simply by adding the state representation neural network and the decision artificial neural network for the new artificial intelligent game character to the artificial neural network and learning the added neural networks .

도 5 내지 도 9는 본 발명의 일 실시예에 따른 인공 신경망의 세부 구성을 설명하기 위한 도면이다.5 to 9 are views for explaining the detailed configuration of an artificial neural network according to an embodiment of the present invention.

도 5는 본 발명에 따라 캐릭터별 상태 표현 신경망(51, 52), 공통 환경 표현 신경망(53), 게임 상태 표현 신경망(54) 및 게임 캐릭터별 의사 결정 신경망(55, 56)을 결합하여 형성되는 인공 신경망을 예시한 것이다.5 is a diagram showing a state in which the game system is formed by combining character-by-character state expression neural networks 51 and 52, a common environment expression neural network 53, a game state representation neural network 54 and a game character- This is an example of an artificial neural network.

도 5를 참조하면, 게임 캐릭터별 상태 표현 신경망(51, 52)에는 해당 캐릭터의 체력을 나타내는 HP 정보, 스킬 포인트(SP)에 대한 정보, 타겟과의 거리, 사용할 수 있는 스킬에 대한 정보, 스킬 사용 후 경과 시간 등 캐릭터별로 미리 정해진 수의 정보가 입력된다. 공통 환경 표현 신경망(53)에는 게임에서 남은 시간, 피버 타임 여부 등 게임의 공통 환경의 상태를 나타내는 정보가 입력된다. Referring to FIG. 5, in the state-represented neural networks 51 and 52 for each game character, HP information indicating the fitness of the character, information on the skill point SP, distance to the target, information on available skills, A predetermined number of pieces of information for each character such as an elapsed time after use are input. In the common environment expression neural network 53, information indicating the state of the common environment of the game, such as the remaining time in the game, whether or not the time is left in the game, is input.

게임 캐릭터별 상태 표현 신경망(51, 52)과 공통 환경 표현 신경망(53)으로부터 출력되는 정보는 게임 상태 표현 신경망(54)의 입력이 되며, 게임 상태 표현 신경망(54)으로부터 출력되는 정보는 게임 캐릭터별 의사 결정 신경망(55, 56)의 입력이 된다. The information output from the state-represented neural networks 51 and 52 and the common environment expression neural network 53 is input to the game state representation neural network 54. The information output from the game state representation neural network 54 is input to the game character- And becomes the input of the decision-decision neural networks (55, 56).

게임 캐릭터별 의사 결정 신경망(55, 56)은 해당 캐릭터의 선택지 수(예: 스킬 개수) 만큼의 출력 차수를 가진다. 도 5의 예에서, 캐릭터 X를 위한 의사 결정 신경망(55)은 30 차수의 출력을 가지며, 캐릭터 Y를 위한 의사 결정 신경망(56)의 19 차수의 출력을 가짐을 알 수 있다.The game character-specific decision-making neural networks 55 and 56 have an output degree equal to the number of choices of the character (for example, skill number). In the example of FIG. 5, it can be seen that the decision-making network 55 for character X has a power of 30 orders and a power of 19 orders of decision network 56 for character Y. FIG.

도 6 및 도 7은 게임 캐릭터별 상태 표현 신경망(51, 52)의 내부 구성을 예시한 도면이다.FIGS. 6 and 7 are views illustrating an internal configuration of the state-represented neural networks 51 and 52 for each game character.

도 6 및 도 7을 참조하면, 캐릭터별 상태 표현 신경망(51, 52)은 캐릭터 공통 상태 표현 신경망(61, 71), 캐릭터 고유 상태 표현 신경망(62, 72) 및 캐릭터별 상태 통합 신경망(63, 73)을 포함하는 복수의 세부 네트워크로 구성될 수 있다.6 and 7, character state presentation neural networks 51 and 52 include character common state representation neural networks 61 and 71, character characteristic state representation neural networks 62 and 72, and character- 73). ≪ / RTI >

캐릭터 공통 상태 표현 신경망(61, 71)은 게임 캐릭터가 어떤 것인지에 상관없이 공통적으로 가지는 특징을 표현하는 신경망으로서, HP, SP, 타겟과의 거리 등을 입력으로 한다. 캐릭터 고유 상태 표현 신경망(62, 72)은 해당 캐릭터의 스킬을 표현하기 위한 신경망으로서 해당 캐릭터가 사용할 수 있는 스킬, 스킬 사용 후 경과 시간 등을 입력으로 하며, 캐릭터별로 다른 차수의 입력을 가질 수 있다. The character common state representation neural networks 61 and 71 are neural networks that express characteristics that are common to all game characters regardless of which of the game characters is, and HP, SP, and the distance to the target are input. The character unique state representation neural network 62, 72 is a neural network for expressing the skill of the character, and inputs a skill that can be used by the character, an elapsed time after using the skill, and the like, .

캐릭터별 상태 통합 신경망(63, 73)은 해당 캐릭터의 상태를 통합하여 표현하기 위한 신경망으로, 캐릭터 공통 상태 표현 신경망(61, 71) 및 캐릭터 고유 상태 표현 신경망(62, 72)의 출력 정보를 입력으로 하여 미리 정해진 차수의 출력을 가진다.The character-by-character state integrated neural networks 63 and 73 are neural networks for integrating and expressing the states of the characters and output information of the character common state representation neural networks 61 and 71 and the character unique state representation neural networks 62 and 72 And has an output of a predetermined order.

도 8 및 도 9는 게임 캐릭터별 의사 결정 신경망(55, 56)의 내부 구성을 예시한 도면이다.8 and 9 are diagrams illustrating an internal configuration of the decision-making neural networks 55 and 56 for each game character.

게임 캐릭터별 의사 결정 신경망(55, 56)은 의사 결정의 종류에 따라 다른 유형의 세부 네트워크들로 구성될 수 있다. 예를 들어, 이동과 스킬 사용에 대한 의사 결정을 해야 하는 경우 도 8 및 도 9와 같이 이동 결정 신경망(82, 92)과 스킬 결정 신경망(83, 93)을 포함하여 구성될 수 있다. The game character-specific decision-making neural networks 55 and 56 may be composed of different types of detailed networks depending on the type of decision-making. For example, when it is necessary to make a decision about movement and skill use, the mobile communication network may be configured to include the mobile communication network 82 and the skill determination network 83 as shown in FIGS. 8 and 9.

도 8 및 도 9를 참조하면, 게임 상태 표현 신경망의 출력을 입력으로 하는 의사 결정 상태 표현 신경망(81, 91)과, 의사 결정 상태 표현 신경망(81, 91)의 출력을 입력으로 하는 이동 결정 신경망(82, 92) 및 스킬 결정 신경망(83, 93)이 게임 캐릭터별 의사 결정 신경망(55, 56)을 구성하고 있으며, 이동 결정 신경망(82, 92)을 통해서는 앞으로 이동할지, 뒤로 이동할지, 좌로 이동할지, 우로 이동할지 또는 멈출지 여부가 결정되며, 스킬 결정 신경망(83, 93)을 통해서는 스킬 사용 여부 및/또는 사용할 스킬이 결정될 것이다. 스킬 결정 신경망(83, 93)의 출력 차수는 캐릭터별로 상이하며 해당 캐릭터가 가진 스킬 수만큼의 출력 차수를 가질 수 있다.8 and 9, there are shown a decision state representation neural network 81, 91 which receives the output of the game state representation neural network as inputs and a mobile decision neural network 81 which receives the outputs of decision state representation neural networks 81, The decision making neural networks 82 and 92 and the skill determining neural networks 83 and 93 constitute the decision-making neural networks 55 and 56 for each game character. Whether or not to use the skill and / or the skill to be used will be determined through the skill decision neural networks 83 and 93. The output orders of the skill determination neural networks 83 and 93 are different for each character and can have an output order number corresponding to the number of skills possessed by the character.

본 발명의 일 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. The method according to an embodiment of the present invention can be implemented in the form of a program command which can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, and the like, alone or in combination. The program instructions recorded on the medium may be those specially designed and constructed for the present invention or may be available to those skilled in the art of computer software. Examples of computer-readable media include magnetic media such as hard disks, floppy disks and magnetic tape; optical media such as CD-ROMs and DVDs; magnetic media such as floppy disks; Magneto-optical media, and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions include machine language code such as those produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter or the like.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, It belongs to the scope of right.

100: 게임 서버
101: 인공지능 게임 캐릭터
110: 플레이어 단말
111: 플레이어의 게임 캐릭터100: Game server
101: Artificial Intelligence Game Character
110: Player terminal
111: Player's game character

Claims (8)

대전형 온라인 게임의 게임 캐릭터별로 해당 게임 캐릭터의 상태를 표현하는 게임 캐릭터별 상태 표현 신경망을 형성하는 단계와;
게임의 공통 환경의 상태를 표현하는 공통 환경 표현 신경망을 형성하는 단계와;
상기 게임 캐릭터별 상태 표현 신경망과 상기 공통 환경 표현 신경망의 출력을 입력 받아 게임 상태를 일반화하여 표현하는 게임 상태 표현 신경망을 형성하는 단계와;
상기 게임 상태 표현 신경망의 출력을 입력으로 하는 각 게임 캐릭터별 의사 결정 신경망을 형성하는 단계와;
상기 게임 캐릭터별 상태 표현 신경망, 상기 공통 환경 표현 신경망, 상기 게임 상태 표현 신경망 및 상기 게임 캐릭터별 의사 결정 신경망을 결합한 인공 신경망에서 각 게임 캐릭터를 학습시키는 단계와;
인공지능 게임 캐릭터가 상대방 게임 캐릭터와 대전을 수행할 때 상기 인공 신경망을 이용하여 상기 인공지능 게임 캐릭터의 의사 결정을 수행하는 단계를 포함하는 것을 특징으로 하는, 인공 신경망을 기반으로 한 대전형 게임 캐릭터의 의사 결정 방법.Forming a state-representing neural network for each game character expressing the state of the game character for each game character of the online online game;
Forming a common environment expression neural network expressing a state of a common environment of the game;
Forming a game state expression neural network that receives the output of the state expression neural network and the common environment expression neural network for each game character and generalizes and expresses the game state;
Forming a decision-making neural network for each game character that receives the output of the game state representation neural network as input;
Learning each game character in an artificial neural network that combines the state-represented neural network for each game character, the common environment expression neural network, the game state representation neural network, and the decision-making neural network for each game character;
The method according to any one of claims 1 to 3, further comprising the step of, when the artificial intelligent game character competes with the opposing game character, performing the decision of the artificial intelligent game character using the artificial neural network Of decision making. 제1항에 있어서,
신규 인공지능 게임 캐릭터에 대한 상태 표현 신경망 및 의사 결정 신경망을 상기 인공 신경망에 추가하고 학습시킴으로써 상기 신규 인공지능 게임 캐릭터를 상기 대전형 온라인 게임에 추가하는 단계를 더 포함하는 것을 특징으로 하는, 인공 신경망을 기반으로 한 대전형 게임 캐릭터의 의사 결정 방법.The method according to claim 1,
Further comprising the step of adding the new artificial intelligent game character to the online online game by adding and learning the state representation neural network and the decision artificial neural network for the new artificial intelligent game character to the artificial neural network, Decision making method of competitive game character based on. 제1항에 있어서,
상기 게임 캐릭터별 상태 표현 신경망은, 캐릭터에 상관 없는 공통 특징을 표현하는 캐릭터 공통 상태 표현 신경망과 해당 캐릭터의 스킬을 표현하는 캐릭터 고유 상태 표현 신경망을 포함하는 것을 특징으로 하는, 인공 신경망을 기반으로 한 대전형 게임 캐릭터의 의사 결정 방법.The method according to claim 1,
Wherein the state representation neural network for each game character includes a character common state representation neural network expressing a common characteristic irrespective of a character and a character inherent state representation neural network expressing a skill of the character, Decision making method of competitive game characters. 제1항에 있어서,
상기 게임 캐릭터별 의사 결정 신경망은, 해당 캐릭터의 이동을 결정하기 위한 캐릭터 이동 결정 신경망과 해당 캐릭터의 스킬 사용을 결정하기 위한 캐릭터 스킬 결정 신경망을 포함하는 것을 특징으로 하는, 인공 신경망을 기반으로 한 대전형 게임 캐릭터의 의사 결정 방법.The method according to claim 1,
Wherein the decision-making neural network for each game character includes a character movement decision-making neural network for determining a movement of the character and a character skill decision-making neural network for determining a skill use of the character, Decision making method of game character. 인공 신경망을 기반으로 한 대전형 게임 캐릭터의 의사 결정 방법을 수행하기 위해 기록매체에 기록된 컴퓨터 프로그램에 있어서, 상기 의사 결정 방법은,
대전형 온라인 게임의 게임 캐릭터별로 해당 게임 캐릭터의 상태를 표현하는 게임 캐릭터별 상태 표현 신경망을 형성하는 단계와;
게임의 공통 환경의 상태를 표현하는 공통 환경 표현 신경망을 형성하는 단계와;
상기 게임 캐릭터별 상태 표현 신경망과 상기 공통 환경 표현 신경망의 출력을 입력 받아 게임 상태를 일반화하여 표현하는 게임 상태 표현 신경망을 형성하는 단계와;
상기 게임 상태 표현 신경망의 출력을 입력으로 하는 각 게임 캐릭터별 의사 결정 신경망을 형성하는 단계와;
상기 게임 캐릭터별 상태 표현 신경망, 상기 공통 환경 표현 신경망, 상기 게임 상태 표현 신경망 및 상기 게임 캐릭터별 의사 결정 신경망을 결합한 인공 신경망에서 각 게임 캐릭터를 학습시키는 단계와;
인공지능 게임 캐릭터가 상대방 게임 캐릭터와 대전을 수행할 때 상기 인공 신경망을 이용하여 상기 인공지능 게임 캐릭터의 의사 결정을 수행하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 프로그램.A computer program recorded on a recording medium for performing a decision method of a competitive game character based on an artificial neural network,
Forming a state-representing neural network for each game character expressing the state of the game character for each game character of the online online game;
Forming a common environment expression neural network expressing a state of a common environment of the game;
Forming a game state expression neural network that receives the output of the state expression neural network and the common environment expression neural network for each game character and generalizes and expresses the game state;
Forming a decision-making neural network for each game character that receives the output of the game state representation neural network as input;
Learning each game character in an artificial neural network that combines the state-represented neural network for each game character, the common environment expression neural network, the game state representation neural network, and the decision-making neural network for each game character;
And performing a decision of the artificial intelligent game character using the artificial neural network when the artificial intelligent game character performs a competition with the opposing game character. 제5항에 있어서,
상기 의사 결정 방법은, 신규 인공지능 게임 캐릭터에 대한 상태 표현 신경망 및 의사 결정 신경망을 상기 인공 신경망에 추가하고 학습시킴으로써 상기 신규 인공지능 게임 캐릭터를 상기 대전형 온라인 게임에 추가하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터 프로그램.6. The method of claim 5,
The method further includes adding the new artificial intelligent game character to the online online game by adding and learning the state representation neural network and the decision artificial neural network for the new artificial intelligent game character to the artificial neural network A computer program characterized by. 제5항에 있어서,
상기 게임 캐릭터별 상태 표현 신경망은, 캐릭터에 상관 없는 공통 특징을 표현하는 캐릭터 공통 상태 표현 신경망과 해당 캐릭터의 스킬을 표현하는 캐릭터 고유 상태 표현 신경망을 포함하는 것을 특징으로 하는 컴퓨터 프로그램.6. The method of claim 5,
Wherein the state representation neural network for each game character includes a character common state representation neural network expressing a common characteristic irrespective of a character and a character inherent state representation neural network expressing a skill of the character. 제5항에 있어서,
상기 게임 캐릭터별 의사 결정 신경망은, 해당 캐릭터의 이동을 결정하기 위한 캐릭터 이동 결정 신경망과 해당 캐릭터의 스킬 사용을 결정하기 위한 캐릭터 스킬 결정 신경망을 포함하는 것을 특징으로 하는 컴퓨터 프로그램.6. The method of claim 5,
Wherein the decision-based neural network for each game character includes a character movement determining neural network for determining a movement of the character and a character skill determination neural network for determining a skill use of the character.
KR1020170006303A 2017-01-13 2017-01-13 Method of decision making for a fighting action game character based on artificial neural networks and computer program therefor KR20180083703A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170006303A KR20180083703A (en) 2017-01-13 2017-01-13 Method of decision making for a fighting action game character based on artificial neural networks and computer program therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170006303A KR20180083703A (en) 2017-01-13 2017-01-13 Method of decision making for a fighting action game character based on artificial neural networks and computer program therefor

Publications (1)

Publication Number Publication Date
KR20180083703A true KR20180083703A (en) 2018-07-23

Family

ID=63102891

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170006303A KR20180083703A (en) 2017-01-13 2017-01-13 Method of decision making for a fighting action game character based on artificial neural networks and computer program therefor

Country Status (1)

Country Link
KR (1) KR20180083703A (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111450531A (en) * 2020-03-30 2020-07-28 腾讯科技（深圳）有限公司 Virtual character control method, virtual character control device, electronic equipment and storage medium
CN113577769A (en) * 2021-07-07 2021-11-02 广州三七极耀网络科技有限公司 Game character action control method, device, equipment and storage medium
WO2023246270A1 (en) * 2022-06-23 2023-12-28 腾讯科技（深圳）有限公司 Information processing method and apparatus, and storage medium and electronic device

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111450531A (en) * 2020-03-30 2020-07-28 腾讯科技（深圳）有限公司 Virtual character control method, virtual character control device, electronic equipment and storage medium
CN111450531B (en) * 2020-03-30 2021-08-03 腾讯科技（深圳）有限公司 Virtual character control method, virtual character control device, electronic equipment and storage medium
CN113577769A (en) * 2021-07-07 2021-11-02 广州三七极耀网络科技有限公司 Game character action control method, device, equipment and storage medium
CN113577769B (en) * 2021-07-07 2024-03-08 广州三七极耀网络科技有限公司 Game character action control method, apparatus, device and storage medium
WO2023246270A1 (en) * 2022-06-23 2023-12-28 腾讯科技（深圳）有限公司 Information processing method and apparatus, and storage medium and electronic device

Similar Documents

Publication Publication Date Title
Graepel et al. Learning to fight
Sagredo-Olivenza et al. Trained behavior trees: Programming by demonstration to support ai game designers
CN108211362B (en) Non-player character combat strategy learning method based on deep Q learning network
Machado et al. Player modeling: Towards a common taxonomy
Patel et al. Tuning computer gaming agents using q-learning
CN112870721B (en) Game interaction method, device, equipment and storage medium
KR20180083703A (en) Method of decision making for a fighting action game character based on artificial neural networks and computer program therefor
KR20200121616A (en) Method for changing game environment
Shaker et al. Planning with applications to quests and story
Yin et al. A data-driven approach for online adaptation of game difficulty
Pons et al. Scenario control for (serious) games using self-organizing multi-agent systems
Merrick Modeling motivation for adaptive nonplayer characters in dynamic computer game worlds
Hamann et al. A gamification concept for teaching swarm robotics
Marius et al. Combining scripted behavior with game tree search for stronger, more robust game AI
Parra et al. Bayesian networks for micromanagement decision imitation in the RTS game starcraft
Håkansson et al. Application of machine learning to construct advanced NPC behaviors in Unity 3D.
Cowley et al. Adaptive artificial intelligence in games: issues, requirements, and a solution through behavlets-based general player modelling
Mozgovoy et al. Building a believable agent for a 3D boxing simulation game
Khatri The Gaming Experience With AI
Baby et al. Implementing artificial intelligence agent within connect 4 using unity3d and machine learning concepts
Nakashima et al. Designing high-level decision making systems based on fuzzy if–then rules for a point-to-point car racing game
Wang et al. Dynamic difficulty adjustment by fuzzy rules using in a neural network controlled game
Patel et al. Improving behavior of computer game bots using fictitious play
Kaukoranta et al. Role of pattern recognition in computer games
KR100913030B1 (en) Method and system for game strategy using cascade-fuzzy losic

Legal Events

Date Code Title Description
A201 Request for examination