モリカトロン株式会社運営「エンターテインメント×AI」の最新情報をお届けするサイトです。

TAG LIST
CG機械学習ディープラーニングCGへの扉安藤幸央GAN月刊エンタメAIニュースニューラルネットワーク河合律子NVIDIA強化学習三宅陽一郎OpenAI音楽FacebookQAスクウェア・エニックスモリカトロンAIラボインタビュー敵対的生成ネットワーク森川幸人ルールベースDeepMindキャラクターAIシナリオNFTGPT-3デバッグCEDEC2019プロシージャル自動生成人工知能学会映画遺伝的アルゴリズムメタAI自然言語処理深層学習マイクロソフトビヘイビア・ツリー吉本幸記GoogleStyleGANCEDEC2021CEDEC2020ゲームAISIGGRAPH不完全情報ゲームナビゲーションAI畳み込みニューラルネットワークAIと倫理アートグーグルディープフェイクGDC 2021大内孝子VFXメタバースGDC 2019マルチエージェントゲームプレイAIVRボードゲームNPCDALL-EロボットCNNモリカトロンCLIPファッションHTN階層型タスクネットワークJSAI2020TensorFlowMicrosoftイベントレポートデジタルツインテストプレイUnityAIアート水野勇太小説アニメーションガイスターStyleGAN2懐ゲーから辿るゲームAI技術史toioJSAI2021スポーツ研究シムピープル汎用人工知能GDC Summerバーチャルヒューマンブロックチェーン倫理Adobeアストロノーカeスポーツ対話型エージェントAmazoneSportsBLUE PROTOCOLシーマンUbisoftAlphaZeroTransformerGPT-2カメラ環世界中島秀之鴫原盛之ソニーDARPAドローンシムシティAI美空ひばり手塚治虫Electronic ArtsメタデータLEFT 4 DEAD通しプレイOpenAI Five本間翔太CMピクサーBERTプラチナエッグイーサリアム作曲ビッグデータ中嶋謙互Amadeus CodeMicrosoft AzureキャリアNVIDIA OmniverseナラティブレコメンドシステムNVIDIA DRIVE SimNVIDIA Isaac Simサイバーエージェント音声認識ロボティクスPyTorchDQN眞鍋和子バンダイナムコスタジオMinecraft齊藤陽介マインクラフトお知らせチャットボットアバターサルでもわかる人工知能VAEUbisoft La Forge自動運転車ワークショップGenvid Technologiesメタ知識表現ウォッチドッグス レギオンIGDAどうぶつしょうぎジェイ・コウガミ音楽ストリーミングマシンラーニング画像生成テキスト画像生成クラウド対話エンジン斎藤由多加リトル・コンピュータ・ピープルコンピューティショナル・フォトグラフィーゴブレット・ゴブラーズ絵画AIりんなシミュレーション完全情報ゲーム坂本洋典釜屋憲彦ウェイポイントパス検索藤澤仁生物学GTC 2022画像認識GTC2022DeNA長谷洋平masumi toyota宮路洋一OpenSeaGDC 2022教育TextWorldSIGGRAPH ASIADALL-E2GTC2021CycleGANNetHackフェイクニュースエージェントAIボイスアクターNVIDIA CanvasGPUALifeZork人工生命オルタナティヴ・マシンサウンドスケープMCS-AI動的連携モデルASBSマンガモーションキャプチャーぱいどんTEZUKA2020ナビゲーションメッシュ松井俊浩バンダイナムコ研究所スパーシャルAIELYZAELYZA DIGEST3D音声合成マーケティングApex LegendsELIZANinjaコンピュータRPGアップルタウン物語KELDICメロディ言語ゲームTENTUPLAYMARVEL Future FightAstroタイムラプスEgo4Dインタビューバスキア日経イノベーション・ラボ敵対的強化学習階層型強化学習GOSU Data LabWANNGOSU Voice Assistant竹内将SenpAI.GGMobalytics馬淵浩希Cygames岡島学AWS Sagemaker映像セリア・ホデント形態素解析UXAWS Lambda誤字検出認知科学ゲームデザインSentencePieceLUMINOUS ENGINELuminous Productionsパターン・ランゲージ竹村也哉ちょまどボエダ・ゴティエGOAPAdobe MAX 2021模倣学習Omniverse AvatarFPSNVIDIA Rivaマルコフ決定過程NVIDIA MegatronNVIDIA Merlinスタンフォード大学NVIDIA Metropolisパラメータ設計テニスOmniverse Replicatorバランス調整協調フィルタリング人狼知能テキサス大学軍事AlphaDogfight TrialsAI Messenger VoicebotエージェントシミュレーションOpenAI CodexStarCraft IIHyperStyleFuture of Life InstituteRendering with StyleIntelDisneyLAIKADisneyリサーチRotomationGauGANGauGAN2ドラゴンクエストライバルズ画像言語表現モデル不確定ゲームSIGGRAPH ASIA 2021Dota 2モンテカルロ木探索ディズニーリサーチMitsuba2ソーシャルゲームEmbeddingワイツマン科学研究所GTC2020CG衣装NVIDIA MAXINEVRファッション淡路滋ビデオ会議ArtflowグリムノーツEponymゴティエ・ボエダ音声クローニングGautier Boeda階層的クラスタリングGopheraibo合成音声JuliusSIE鑑定TPRGOxia Palusバーチャル・ヒューマン・エージェントtoio SDK for UnityArt Recognitionクーガー田中章愛Meta石井敦銭起揚NHC 2021茂谷保伯池田利夫GDMC新刊案内マーベル・シネマティック・ユニバース成沢理恵MITメディアラボMCU著作権アベンジャーズマジック・リープDigital DomainMagic Leap OneMagendaMasquerade2.0ノンファンジブルトークンDDSPフェイシャルキャプチャーサッカーモリカトロン開発者インタビュー里井大輝Kaggle宮本茂則バスケットボール山田暉Assassin’s Creed OriginsAI会話ジェネレーターSea of ThievesGEMS COMPANYmonoAI technologyLSTMモリカトロンAIソリューション初音ミクOculusコード生成AI転移学習テストAlphaCodeBaldur's Gate 3CodeforcesCandy Crush Saga自己増強型AISIGGRAPH ASIA 2020COLMAPADOPデバッギングBigGANGANverse3DMaterialGANOmniverseリップシンキングRNNグランツーリスモSPORTReBeLグランツーリスモ・ソフィーGTソフィーVolvoFIAグランツーリスモチャンピオンシップRival PrakDGX A100VTuberユービーアイソフトWebcam VTuber星新一賞北尾まどかHALO市場分析将棋メタルギアソリッドVフォートナイトFSMEpic GamesRobloxナップサック問題Live Nation汎用言語モデルWeb3.0AIOpsSpotifyMITスマートコントラクトReplica StudioAWSamuseChitrakarQosmo巡回セールスマン問題徳井直生ジョルダン曲線メディア5GMuZero政治クラウドゲーミングRival Peakがんばれ森川君2号和田洋一リアリティ番組Stadiaジョンソン裕子MILEsNightCafeインタラクティブ・ストリーミングLuis Ruizインタラクティブ・メディアポケモンCodexシーマン人工知能研究所東京工業大学Ludo博報堂ラップSIGGRAPH 2019ArtEmisZ世代AIラッパーシステムARrinnaGROVERプラスリンクス ~キミと繋がる想い~FAIRSTCチート検出Style Transfer ConversationオンラインカジノRCPアップルRealFlowRinna Character PlatformiPhoneデジタルヒューマンDeep FluidsSoul MachinesMeInGameAmeliaAIGraphブレイン・コンピュータ・インタフェースバーチャルキャラクターBCIGateboxLearning from VideoANIMAK予期知能逢妻ヒカリセコムユクスキュルバーチャル警備システムカント損保ジャパン哲学対談上原利之ドラゴンクエストエージェントアーキテクチャアッパーグラウンドPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者Siemensアルスエレクトロニカ2019StyleCLIP品質保証StyleRigAutodesk逆転オセロニアBentley Systemsワールドシミュレーター奥村エルネスト純いただきストリートH100齋藤精一大森田不可止COBOL高橋智隆DGX H100ロボユニザナックDGX SuperPOD泉幸典仁井谷正充クラウドコンピューティングロボコレ2019Instant NeRFartonomousbitGANsぎゅわんぶらあ自己中心派Azure Machine Learning意思決定モデル脱出ゲームHybrid Reward Architectureコミュニティ管理ウロチョロスSuper PhoenixSNS理化学研究所Project Malmoオンラインゲーム気候変動Project PaidiaEarth-2Project Lookoutマックス・プランク気象研究所Watch Forビョルン・スティーブンスBing気象モデルLEFT ALIVE気象シミュレーション長谷川誠ジミ・ヘンドリックス環境問題Baby Xカート・コバーンエコロジーロバート・ダウニー・Jr.エイミー・ワインハウスSDGsMagentaYouTubeダフト・パンクメモリスタSFGlenn MarshallELYZA PencilThe Age of A.I.Story2Hallucination音声変換レコメンデーションJukebox松尾豊Veap JapanEAPテンセントSIFT福井千春DCGAN医療MOBADANNCEメンタルケア人事ハーバード大学Edgar Handy研修デューク大学Netflixデータマイニングmynet.aiローグライクゲーム東京大学東京理科大学人工音声NeurIPS 2021産業技術総合研究所はこだて未来大学リザバーコンピューティングプレイ動画ヒップホップキャラクターモーションソニーマーケティングサイレント映画もじぱNBA環境音暗号通貨現代アートFUZZLEAlteration粒子群最適化法RPG進化差分法オープンワールド群知能下川大樹AIFAウィル・ライト高津芳希P2E大石真史BEiTレベルデザインDETRSporeデノイズ南カリフォルニア大学画像処理SentropyCPUDiscordCALMプログラミングソースコード生成GMAIシチズンデベロッパーTRPGGitHubウィザードリィMCN-AI連携モデルAI Dungeon西川善司並木幸介サムライスピリッツ森寅嘉ゼビウスSIGGRAPH 2021ストリートファイター半導体Topaz Video Enhance AI栗原聡DLSS山野辺一記NetEase大里飛鳥DynamixyzU-Net13フェイズ構造アドベンチャーゲームADVXLandAGI手塚眞DEATH STRANDING不気味の谷Eric JohnsonOculus Questコジマプロダクション生体情報デシマエンジンインディーゲーム写真高橋ミレイ照明Maxim PeterJoshua Romoffハイパースケープ山崎陽斗深層強化学習立木創太ミライ小町テスラGameGANパックマンTesla BotTesla AI Dayソサエティ5.0SIGGRAPH 2020バズグラフニュースタンテキ東芝DIB-R倉田宜典韻律射影広告韻律転移

【GDC 2019】ソーシャルゲームのバランス調整に遺伝的アルゴリズムを応用する

2019.4.17ゲーム

【GDC 2019】ソーシャルゲームのバランス調整に遺伝的アルゴリズムを応用する

米サンフランシスコで開催されたゲーム開発者会議「Game Developers Conference(GDC)2019」で3月21日、スクウェア・エニックスの眞鍋和子氏と淡路滋氏は「Balancing Nightmares: an AI Approach to Balance Games with Overwhelming Amounts of Data」と題して講演を行いました。

両氏はスマートフォンゲーム『グリムノーツ』(2016年、スクウェア・エニックス)の運営に際し、新規キャラクターやアイテムの投入によってゲームバランスが崩れることを避けるために、遺伝的アルゴリズムを利用したチェック体制を構築したと語り、その概要とメリットについて説明しました。

増え続けるデータのもとで、ゲームバランスをどのように保つか

『グリムノーツ』は元気が開発し、スクウェア・エニックスが運営するスマートフォン用アプリです。『シンデレラ』などの童話をベースとした親しみやすい世界観と、絵本のようなビジュアルが特徴で、主人公たちはカオステラーによって歪められた世界を修復するために、さまざまな冒険を繰り広げていきます。本作は1,700万ダウンロードを数える大ヒット作となり、2018年1月には主人公などを一新した『グリムノーツ Repage』へとリニューアル。2019年1月にはテレビアニメ化も行われています。

本作のポイントは基本プレイ無料のアイテム課金モデル、いわゆる「ガチャ」によるビジネスモデルを採用していることです。ゲームはクエストの連続で進行し、プレイヤーは毎回、最適なパーティ(最大4名)を編成して挑戦します。クエスト内で発生するバトルに勝利すると経験値やアイテムなどが入手できます。プレイヤーはそれらをもとにパーティを強化した後、必要に応じてガチャを引き、新規キャラクターを入手します。その上で新たなクエストにのぞみ…といったサイクルで進行します。

ここで重要な点は、プレイヤーをゲームから離脱させないために、常に新規要素を追加する必要があることです。新規キャラクターやアイテムは好例ですが、そのためにはゲームバランスの変化を事前に確認する必要があります。強すぎるパーティの組み合わせが生まれると、ゲームの消費速度が速くなりすぎたり、プレイヤー間で不公平が発生したりして、離脱者の割合が増加します。特に昨今ではネットで短期間に攻略情報が共有されるため、ゲームバランスの事前チェックはビジネスの根幹に関わってきます。

問題は、運営を続けるうちに組み合わせの量が膨大になってしまったことです。眞鍋氏は講演時点で組み合わせの量が概算で10の182乗にも及び、人力ではチェック不可能な領域に達したと述べました。そこで必要とされたのが自動チェックの仕組みです。そこで始まったのが、新規キャラクターやアイテムを投入する際に、「強すぎるパーティの組み合わせを自動的に探す」ためのシステム開発です。そうしたバランスブレイカーを事前に発見できれば、パラメータの再調整などが可能になるからです。

遺伝的アルゴリズムで最強パーティを自動的に抽出

それでは、どのようなシステムが有効でしょうか。ここで示されたのが遺伝的アルゴリズムの活用です。優れた個体同士の遺伝子を掛け合わせて、新しい個体を生み出していくもので、品種改良などで使われている手法がベースになっています。眞鍋氏によると「アルゴリズムがシンプルで使いやすい」「有限の時間内で、そこそこ良い解が得られる」など、現実的な問題との折り合いがつけやすいメリットがあるといいます。また、本作ではオートバトルの機能が備わっていた点も導入に適していました。

具体的には、本作でパーティを構成する要素には大きく「主人公」「リーダー」「ヒーロー」「アクセサリー」「衣装」「武器」「スキルコア」「ヒーローAI」があります。これらをランダムで組み合わせて大量のパーティを作り、事前に設定した課題(=敵との対戦)に挑戦させます。その後、上位8割程度のパーティを選び、構成要素を分解します。そこから新しいパーティを編成し、課題に挑戦させます。これを300世代ほど繰り返し、最適な組み合わせを見つけ出すというわけです。

もっとも、遺伝的アルゴリズムで重要なのは遺伝子の評価方法です。ただバトルに勝てば良いというだけでなく、ゲーム内容に即した評価が求められます。実際に本作ではエネミーと対戦する「PvE」と、パーティ同士で対戦する「PvP」モードがあり、ルールの詳細が異なります。そのため前者では「素早く敵を倒すこと」、後者では「できるだけ体力を温存して勝利すること」が、メインの評価軸となります。また「PvP」では、その時点でのトップランカーのパーティ構成が対戦相手に設定されています。

実際に評価を行ったところ、「PvE」では当初は敗北続きでしたが、世代を重ねるごとに勝利するパーティが出始めました。また、世代を重ねるごとにバトル時間も短縮傾向がみられます。これに対して「PvP」でも世代を重ねるごとに、勝利するパーティが増加していきますが、成長曲線がなだらかではなく、途中で数回のブレイクスルーが発生することが分かります。なお、グラフ上で「PvE」では右下、「PvP」では右上のパーティが、最強の組み合わせを示しています。

AIをブラックボックスにしないためにデータを可視化する

このように最強パーティの構成を発見することには成功しました。しかし、ここで新たな問題が発生します。強力なパーティ構成は分かりましたが、原因が特定できなかったのです。具体的には「パーティ構成」と「戦術」のどちらが原因だったのか、結果から特定することが困難でした。そこで運用の途中から、データの可視化を進める必要性が生まれました。その結果、バトルのリプレイ機能とデータの可視化の二本立てでシステムを再設計していくことになりました。

なぜ動画のリプレイだけでは不十分なのか。両氏は「動画はバトルの状況が分かりやすいが、背後にある文脈が分からない」といいます。たとえばエース級のキャラクターが連続して必殺技を繰り出したことが、勝利に貢献したとします。動画だけでは「なぜ、都合良く何度も必殺技を繰り出せたのか」が分かりにくいですが、他のパーティメンバーの状況が可視化できれば、理由が推測できます。そこで、そうした行為を可能にするシステムが必要になったというわけです。

データ解析に用いられたのは、オープンソースのクラスタコンピューティングフレームワーク「Apache Spark」を内蔵したWebツール「Apache Zeppelin」です。分散処理による拡張に対応し、データのグラフ化がしやすく、Google BigQueryにも接続できます。Python/Rを記述して、機械学習をその場で実行することも可能です。AWS S3にも対応しており、スケーラビリティもしやすいです。Webサイト上で書いた分析コードがそのままグラフとなり、即座に追加変更でき、最新版の配布が不要(みんなでWebサイトを参照できるため)となります。

表は「PvP」の結果で、行(横列)が個々のパーティ編成を示しており、評価値ごとに上から並べられています。上の行に表記されているほど、強力なパーティ構成というわけです。個々の行は最初にバトルの結果が表示されており、続いて個々のヒーロー(1パーティにつき最大8名)の特徴が表示されています。なお、すべての情報が表示されているわけではなく、あくまで要旨に留まっている点がポイントです。つまり本データは動画リプレイとの併用を前提に、ざっくりと状況をつかむことを目的としています。

 

 

表の「result」マークはパーティが25回対戦した時の結果が、5段階毎に★◎〇△×の5種類の記号で示されています。UHADSはそれぞれ、必殺技の習得数と、体力・攻撃力・防御値・速度の6段階指数です(A~Fまで偏差値で表示)。ヒーローごとに設定された攻撃アルゴリズム(本作ではプレイヤーが自由に設定でき、ゲームの魅力の一つになっている)も確認できます。「Role Performance」はヒーローごとのバトル時における貢献度です。これらを見れば、各々の活躍の目安が分かるというわけです。

パフォーマンス向上のために必要なこととは?

このように本作では、

  1. 開発チームが新キャラクターなどを実装し、ビルドしてテストサーバ上にデプロイ
  2. 遺伝的アルゴリズムを活用して最強の組み合わせをシミュレーション
  3. 結果を確認し、必要に応じて開発チームがデータを修正する

というプロセスを経て、実際のアップデートが行われています。もっとも、この体制は運営の最中に必要に応じて構築されたもので、本来は開発の初期段階から一緒に作り上げていくことが望ましいといいます。ゲームの仕様に依存する部分が大きいからです。

中でも課題となったのがパフォーマンスの向上です。当初はシミュレーションを行う際、実際のバトルを行わず、パーティのパラメータを使った数値的な計算による結果だけを表示していました。しかし、前述のようにリプレイ動画を確認したいという要望があり、実際のゲームロジック上でバトルを行わせることになりました。これにより処理時間が一気に膨れあがりました。現在はサーバ上で並列処理を行うことで、時間短縮を行っているところで、より効率化を進めるために、ゲーム側との調整も進めているといいます。

最後に両氏は「データ肥大化の悪夢からプロジェクトを救うには、強力なサポートシステムが必要で、遺伝的アルゴリズムの応用はその一例」「AIをブラックボックスにしないためにも、データの可視化と分析が必須」「オートプレイモードなど、ゲームが自動的に進行する仕組みが求められる」などと整理。その上で開発初期からの準備が重要だと念を押しました。いざ運営が始まってからでは、抜本的な仕組み作りは難しくなるというわけです。

本作のように運営の長期化に伴い、爆発的にデータが増加するゲームは、「ガチャ」モデルに対する依存度の違いもあり、海外ではそれほど一般的ではありません。つまり日本が最先端を進んでいる分野だと言えるでしょう。それだけに聴講した多くの開発者にとって、新鮮な知見に映ったようです。もっとも、現時点で自動化されたのは「強すぎるパーティ構成」の抽出までで、その後の修正作業は人間が手作業で行っています。バランス調整のさらなる自動化に期待したいところです。

参考資料

遺伝的アルゴリズムによる人工知能を用いたゲームバランス調整

AIによる汎用的バランス調整とその可視化:グリムノーツRepage PvPの事例

Writer:小野憲史

RELATED ARTICLE関連記事

CGへの扉 Vol.32:Adobe Sneaks より進化の方向性を知る

2021.11.19ゲーム

CGへの扉 Vol.32:Adobe Sneaks より進化の方向性を知る

AIにも泣けるストーリーは書ける?:藤澤仁氏×森川幸人氏対談(前編)

2019.10.08ゲーム

AIにも泣けるストーリーは書ける?:藤澤仁氏×森川幸人氏対談(前編)

DeepMind開発汎用ゲーム学習環境「XLand」はAGI実現につながるか?

2021.8.27ゲーム

DeepMind開発汎用ゲーム学習環境「XLand」はAGI実現につながるか?

RANKING注目の記事はこちら