Целеориентированный ИИ - Введение в GOAP
Меня всегда интересовал ИИ. В какой-то момент это вылилось в увлечение машинным обучением. Но даже ML не удовлетворил этой жгучей тяги.
Пару месяцев назад я начал разбираться с GOAP. Читать теорию, присматриваться к библиоткам. В итоге сделал такую вот выжимку в виде короткого видео по основным элементам GOAP.
На самом деле моей целью было попробовать GOAP в действии и я планировал "практическое", а не теоретическое видео. Для этого я подобрал C# библиотку с портом для Unity и бережно перенес ее на Godot Engine. Затем немного пострадал с API этой библиотки.
В итоге, у меня готова демка с адаптивным агентом, который динамически перестраивает планы и ведет себя достаточно "умно". При этом цель данного анента задается буквально парой строк кода.
Несколько позже планирую выпустить видео с демонстрацией этого поведения и обсуждением подводных камней GOAP т.к. обвязка для работы с с планировщиком оказалась чуть ли не сложней самого планировщика.
Но если кому-то интересно посмотреть код прям сейчас, то вот ссылка на репозиторий с демкой -
Буду очень благодарен вашему фидбэку и комментариям. Очень хочется продолжать эксперименты с ИИ. А ваша поддержка очень помогает в этом деле.
Комментарий недоступен
я это решил просто [s]никак[/s] через "виртуальную реальность" в башке ИИ.
"Настоящий игровой ИИ" как-то громко. ГОАП же вручную нужно программировать все-равно. Для меня настоящий игровой ИИ это только обучение с подкреплением на нейронных сетях (deep reinforcement learning) на манер АльфаГо / АльфаСтар
У индюшек денег на аренду серверов для обучения Deep mind не хватит, тут где считали. Во первых Алекс 007 где то считал для их обучений нужны УЖЕ тысячи реплеев игроков и где то аренда сервера для ДипМайнда обходилась в итоге в 8 миллионов $ (цифра не точная я за нее не отвечаю)
Ну тут определение ИИ надо обозначить просто.
Настоящий игровой ИИ для GOAP - это не предел кликбейта. Так то, и A* можно назвать ИИ. В целом поинт в том, что это хоть что-то из области ИИ, а не просто императивщина. RL, ML и другое статистическое обучение это круто, согласен. Но спект применения намного уже, чем у классических моделей. Я вот думаю попробовать расширить GOAP с помощью каких-нибудь моделей. Можно начать с линейной регресии для определения весов действий для начала. Не обязателно сразу пихать нейронки.
Как начнёте ставить в пк отдельный чип под обучение - так сразу. Или пересядете на сервера и без них будете получать таких же болванчиков.
А так, сейчас технологически, сам ИИ внутри большинства игр - болванки, в которых нечего программировать, только выставлять значения и наблюдать как их ломает.