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
ディープラーニングCG機械学習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強化学習三宅陽一郎音楽OpenAI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河合律子QAスクウェア・エニックスNVIDIAシナリオFacebookキャラクターAIルールベースDeepMindデバッグCEDEC2019プロシージャル人工知能学会映画ビヘイビア・ツリーGoogleCEDEC2021CEDEC2020ゲームAISIGGRAPH遺伝的アルゴリズム不完全情報ゲームメタAIナビゲーションAI森川幸人畳み込みニューラルネットワーク自然言語処理深層学習マイクロソフトAIと倫理グーグルStyleGAN自動生成GDC 2021GPT-3GDC 2019マルチエージェントVRボードゲームロボットアートCNNVFXモリカトロンゲームプレイAIファッションHTN階層型タスクネットワークディープフェイクJSAI2020大内孝子TensorFlowMicrosoftイベントレポートテストプレイAIアート水野勇太アニメーションガイスターNPCDALL-ECLIPStyleGAN2NFTtoio吉本幸記JSAI2021スポーツシムピープル汎用人工知能GDC SummerAdobeeスポーツ対話型エージェントeSportsBLUE PROTOCOLシーマン小説UbisoftAlphaZeroカメラ環世界中島秀之懐ゲーから辿るゲームAI技術史研究DARPAドローンシムシティAI美空ひばり手塚治虫Electronic Artsメタデータブロックチェーン通しプレイOpenAI Five本間翔太CM倫理ピクサーイーサリアム作曲中嶋謙互Amadeus CodeMicrosoft AzureデジタルツインアストロノーカキャリアナラティブAmazon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Unity齊藤陽介マインクラフトお知らせアバターサルでもわかる人工知能VAEUbisoft La ForgeワークショップGenvid Technologies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クラウド斎藤由多加リトル・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GPT-2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画像認識DeNA長谷洋平鴫原盛之masumi toyota宮路洋一TextWorldSIGGRAPH ASIAソニーGTC2021CycleGANフェイクニュースエージェントGPUALifeZork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マンガぱいどんTEZUKA2020ナビゲーションメッシュ松井俊浩スパーシャルAI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TENTUPLAYLEFT 4 DEADMARVEL Future FightAstroタイムラプスEgo4Dバスキアバーチャルヒューマン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BERTゲームデザインSentencePieceLUMINOUS ENGINEプラチナエッグLuminous Productionsパターン・ランゲージ竹村也哉ちょまどボエダ・ゴティエビッグデータGOAPAdobe MAX 2021メタバース模倣学習NVIDIA OmniverseOmniverse 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バランス調整レコメンドシステムNVIDIA DRIVE Sim協調フィルタリングNVIDIA Isaac Sim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グリムノーツゴティエ・ボエダGautier Boeda階層的クラスタリングaiboJuliusSIETPRGバーチャル・ヒューマン・エージェントtoio SDK for Unityクーガー田中章愛石井敦銭起揚茂谷保伯MinecraftGDMC成沢理恵MITメディアラボ著作権マジック・リープMagic Leap OneMagendaノンファンジブルトークンDDSPサッカー里井大輝KaggleバスケットボールAssassin’s Creed OriginsSea of ThievesGEMS COMPANYmonoAI technology初音ミクOculus転移学習テストBaldur's Gate 3Candy Crush SagaSIGGRAPH ASIA 2020デバッギングBigGANMaterialGANリップシンキングRNNReBeL自動運転車VolvoRival Prakユービーアイソフト北尾まどかHALO将棋メタルギアソリッドVFSMナップサック問題汎用言語モデルSpotifyMITReplica StudioamuseChitrakar巡回セールスマン問題ジョルダン曲線5GMuZeroクラウドゲーミングRival Peak和田洋一リアリティ番組Stadiaジョンソン裕子MILEs対話エンジンインタラクティブ・ストリーミングインタラクティブ・メディアシーマン人工知能研究所Ludoゴブレット・ゴブラーズTransformerSIGGRAPH 2019ArtEmis絵画ARGROVERFAIRAIりんなチート検出オンラインカジノアップルRealFlowiPhoneシミュレーションDeep FluidsMeInGameAIGraphブレイン・コンピュータ・インタフェースBCILearning from Video予期知能ユクスキュルカント哲学ドラゴンクエストエージェントアーキテクチャPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者アルスエレクトロニカ2019StyleCLIPStyleRig逆転オセロニア奥村エルネスト純いただきストリート齋藤精一大森田不可止高橋智隆ロボユニザナック泉幸典仁井谷正充ロボコレ2019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ウロチョロスSuper Phoenix理化学研究所Project Malmo教育Project PaidiaProject LookoutWatch ForBingLEFT ALIVE長谷川誠ジミ・ヘンドリックスBaby Xカート・コバーンロバート・ダウニー・Jr.エイミー・ワインハウスMagentaYouTubeダフト・パンクSFGlenn MarshallThe Age of A.I.Story2HallucinationレコメンデーションJukeboxテンセントSIFTDCGANMOBADANNCE人事ハーバード大学研修デューク大学mynet.aiローグライクゲームNetHack人工音声NeurIPS 2021はこだて未来大学プレイ動画ヒップホップサイレント映画NBA環境音現代アート粒子群最適化法進化差分法群知能下川大樹ウィル・ライト高津芳希大石真史BEiTレベルデザインDETRSporeAIボイスアクターデノイズ南カリフォルニア大学画像処理NVIDIA CanvasSentropyCPUDiscordCALM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DynamixyzモーションキャプチャーU-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バンダイナムコ研究所ミライ小町テスラGameGANELYZAパックマンTesla BotTesla AI Dayソサエティ5.0ELYZA DIGESTSIGGRAPH 2020バズグラフニュースタンテキ東芝DIB-R倉田宜典3D音声合成韻律射影広告韻律転移

【GDC 2021】自分の判断で威力偵察や稜線射撃ができるゲームAI

2021.8.18ゲーム

【GDC 2021】自分の判断で威力偵察や稜線射撃ができるゲームAI

戦場における作戦行動には、作戦エリアに関する地形情報にくわえて、敵部隊の規模と種類、位置と時間、配備された装備など、リアルタイムに変化していく動的な情報を収集、逐次更新するための隠密偵察、威力偵察、またはその両方が欠かせません。敵に察知されないよう情報収集に徹する隠密偵察に対して、威力偵察とはあえて敵と交戦することで対象の位置や装備を把握する行動を指します。

こうした動的環境における長期的な意思決定は、ゲームAI開発における大きな課題のひとつです。7月19日から7月24日までオンラインで開催された「Game Developers Conference 2021」(GDC 2021)にて、スクウェア・エニックスのAIエンジニア、並木幸介氏と森寅嘉氏による「階層型タスクネットワークを使った動的環境におけるプランニングへの新たなアプローチ」というセッションを取材しました。

このセッションでは、武装した巨大ロボットを操縦して戦場を駆け巡るアクションゲームを使って、AIプレイヤーが威力偵察における索敵、交戦、撤退を自らの判断で実行するための新たなプランニング手法が提案されました。偵察中に発見した撃破可能なターゲットを排除しつつ、強敵の出現によって危険な状況に転じた場合は煙幕を張って撤退を開始。その際に切り札となる強力な兵器を使って強敵を破壊するか、あるいは敵に追撃を断念させることを行います。なお、攻撃の際には敵からの被弾を最小限に抑えるために稜線射撃に徹すること。これらをすべてAIの判断で実行させることが最終目的です。

階層型タスクネットワークの長所と短所

近年のゲームAI開発は、有限状態機械(FSM、Finite State Machine)やビヘイビアツリー(Behavior Tree)、GOAP(Goal Oriented Action Planning)、階層型タスクネットワーク(HTN:Hierarchical Task Network)といった異なる種類の意思決定モデルによって支えられています。それぞれに長所と短所があり、目的に応じて使い分けたり、複数のモデルを組み合わせたりして、ゲームデザインに最適なゲームAIが構築されていきます。

今回のセッションで扱うHTNとは、読んで字のごとし。複数のタスクによるネットワークを階層型に構築することで、行動計画を立てるタスクベースのアルゴリズムを意味します。長期的な行動計画の実装に適しており、特に配送最適化問題のような静的環境におけるプランニングに優れています。

すべてのタスクは、行動の最小単位であるプリミティブタスクと、それらを組み合わせたコンパウンドタスクの2種類に分別されます。この時、前者は階層的に下位、後者は上位という関係にあります。たとえば、「歩行」や「射撃」がプリミティブタスクだとすれば、長期的な行動目標である「威力偵察」は多くのプリミティブタスクを複合させた階層的に最上位のコンパウンドタスクであると考えられます。

こうしたコンパウンドタスクを複数のタスクへ分解し、下層タスクから順に実行できるようプランニングするのが、HTNの役割です。プランニングの際に最小単位まで分解されたタスクは、1本の鎖のように並べられた後、ひとつずつ順番に実行されます。このタスクチェーンは、すべてのタスクが実行されるまで変更できません。そのため、途中で環境に変化が生じた場合、HTNは既存の計画をすべて破棄して新しいプランを作ろうとします。

その性質上、プレイヤーの挙動によって環境が常に変化するビデオゲームでは、リプランニングの頻度が増えるほど、AIは長期的な思考能力を失ってしまいます。結果として、短期的な意思決定しかできない即応的なAIが出来上がってしまうというわけです。そこで、ビデオゲームのような動的な環境で長期的な行動を実現するために、スクウェア・エニックスはHTNを改良した「ART-HTN」という新たなプランニング手法を提案しています。

メモリ容量が増えた現代だからできること

「ART-HTN」(Advanced Realtime Hierarchical Task Network)には、「マルチシナリオ・プラン」「シミュレーション・プランナー」「プラン・エグゼキュータ」という3つの特徴があります。簡単に説明すると、マルチシナリオ・プランが複数のシナリオを想定することでリアルタイムに起こる状況の変化に対応し、シミュレーション・プランナーが簡易的なシミュレーションの生成でプラン精度を向上させることでリプランニングの回数を減らし、プラン・エグゼキュータというプラン生成とは別の実行権限を設けることで柔軟なプランの制御を可能にするという仕組みです。

マルチシナリオ・プランは、環境の変化によって本来は破棄されていたタスクチェーンを、サブプランとして再利用するために機能させます。タスクとシチュエーションという2種類のデータで構成されており、シチュエーションにはキャラクターの位置情報や残りHP、敵AIの内部ステートIDといった簡略化されたゲームワールドの情報がふくまれています。それぞれのシチュエーションが前後のシチュエーションを参照することで、「Situation-Task ネットワーク」(ST-Network)というグラフ構造を形成します。これにより、プランの探索中に発見した中間状態をタスクチェーンの分岐点として含められるというわけです。

「ART-HTN」では、プリコンディション(事前条件)とシミュレート関数を持つプリミティブタスクのほかに、前述したコンパウンドタスクと同様に複数のタスクから構成されるコンポジットタスクを扱います。セッションでは、コンポジットタスクの例として「FSMタスク」と「ステップタスク」が紹介されました。FSMタスクは、後述するシミュレーション・プランナーが敵の行動を予測するために用いられ、ステップタスクは、タスク実行の際に少数のループや限定された数の分岐を持たせるために使われるということです。

長期的な思考能力を持つゲームAIを目指して

シミュレーション・プランナーは、前述したST-Networkの生成やシチュエーションの終端ノードを展開する役割を担っています。この際、敵の行動モデルをシミュレートすることで、それぞれのシチュエーションにおける分岐も生成しています。終端ノードを展開する際には、意思決定システムが各キャラクターに対してプリコンディションを満たしたタスクをアサインします。くわえて、コンポジットタスクが許可した場合は、現在のコンポジットタスクを展開することも可能ということでした。

例えば、あるシチュエーションにおけるFSMタスクが「ステートa」「ステートb」「ステートc」へ遷移する場合、このFSMタスクはそれぞれのコピーインスタンスへと展開します。この時、FSMタスクにふくまれるすべてのデータがコピーされます。その後、ステートの遷移が実行されて、異なる3つのタスク・インスタンスが生成されるという流れです。

このプロセスは、すべてのエージェントの意思決定システムによって実行されるので、結果としてST-Networkは膨大なノード数を持つことになります。このサイズを縮小するために、展開処理に確率閾値を設定できるようにデザインしたということです。乱数がこの閾値を越えた場合に限って、タスクが展開されるという仕組みです。

キャラクターの行動はタスクによって定義されていますが、タスクそのものはゲーム環境で実行できるフォーマットではありません。そこでプラン・エグゼキュータの出番です。プラン・エグゼキュータは、ST-Networksのシチュエーションノードからもっとも評価値の高いタスクを選択した後、そのタスクを分解してゲーム内で実行可能なオペレータへと変換してくれます。それらを順番に実行することでゲームキャラクターが動き出します。

セッションの最後には、地形の等高線データに基づいた丘陵検出アルゴリズムを活用した稜線射撃デモと、冒頭で記述した長期的な行動計画をすべて実行させた威力偵察デモが披露されました。今回の技術検証によって、ART-HTNが動的環境に適応できることが確認できたということでした。将来、人間のように長期的な思考能力を有したゲームAIが実現できれば、ゲーム体験の価値そのものが大きく変化することでしょう。

Writer:Ritsuko Kawai / 河合律子

RELATED ARTICLE関連記事

プレイヤーのゲームコントローラ入力を学習するAIの研究開発

2020.4.10ゲーム

プレイヤーのゲームコントローラ入力を学習するAIの研究開発

Ubisoft La Forgeの研究成果が示すゲームにおける機械学習の未来

2019.6.04ゲーム

Ubisoft La Forgeの研究成果が示すゲームにおける機械学習の未来

【GDC 2019】AIは感動的な物語体験をゲームで表現できるか? GDCに見る最新トレンド

2019.4.17ゲーム

【GDC 2019】AIは感動的な物語体験をゲームで表現できるか? GDCに見る...

RANKING注目の記事はこちら