Разработка плагина поведения NPC для игрового движка Unity

Main Article Content

Леонид Николаевич Паренюк
Влада Владимировна Кугуракова

Аннотация

Существуют различные подходы для создания искусственного интеллекта в играх, и каждый имеет как и плюсы, так и недостатки. В настоящем исследовании описана собственная реализация задания поведения NPC с использованием алгоритмов машинного обучения, которые будут связаны со средой Unity в режиме реального времени. Такой подход может быть применен при разработке игр.

Article Details

Биографии авторов

Леонид Николаевич Паренюк

Магистрант Высшей школы информационных технологий и интеллектуальных систем Казанского федерального университета. Сфера научных интересов – разработка игр.

Влада Владимировна Кугуракова

К.т.н., доцент кафедры программной инженерии Высшей школы информационных технологий и интеллектуальных систем Казанского федерального университета, руководитель НИЛ SIM. Сфера научных интересов – реалистичность визуализации и симуляций, иммерсивность VR.

Библиографические ссылки

Бакиров А.Р., Костюк Д.И., Лазарев Е.Н., Хафизова А.Р. Опыт создания неигровых персонажей в виртуальных мирах // Электронные библиотеки. 2016. T. 19. № 6. C. 502–520.

Juliani A., Berges V., Vckay E., Gao Y., Henry H., Mattar M., Lange D. Unity: A General Platform for Intelligent Agents / Open-source library // 2018. URL: https://github.com/Unity-Technologies/ml-agents

Juliani A. Introducing: Unity Machine Learning Agents Toolkit // 2017. URL: https://blogs.unity3d.com/2017/09/19/introducing-unity-machine- learning-agents/

Tang W., Lai J. Enhancing Agent Intelligence with Behavior Duplication // Advanced Materials Research. 2012. Vols. 403–408. P. 1266–1269.

Hugunin J. IronPython / Open-source library // 1st ver. 2006: last ver. 2018. URL: https://ironpython.net

Scikit-learn / Open source library // 1st ver. 2007: last ver. 2020. URL: https://scikit-learn.org

Pedregosa F. et al. Scikit-learn: Machine Learning in Python // Journal of Machine Learning Research (JMLR 12). 2011. P. 2825–2830.

Li Y., Xu D.-W. A Game AI based on ID3 Algorithm // Conference: 2016 2nd International Conference on Contemporary Computing and Informatics. 2016. P. 681–687.

De Freitas J.M., De Souza F.R., Bernardino H.S. Evolving Controllers for Mario AI Using Grammar-based Genetic Programming // IEEE Congress on Evolutionary Computation (CEC). 2018. P. 1–8.

ITIS-DML-M2020-ParenyukLN. (2020) Python Unity Research [демонстрационная видеозапись] // YouTube. 9 марта 2020. – (https://www.youtube.com/watch?v=4AqrpTxCXYk).

Плагин поведения NPC для игрового движка UNITY / Project repository // 2020. – URL: https://github.com/parenyukln/pyton-unity-research

C.-U. Lim, R. Baumgarten, S. Colton, C. Di Chio, S. Cagnoni, C. Cotta, M. Ebner, A. Ekárt, A.I. Esparcia-Alcazar, C.-K. Goh, J.J. Merelo, F. Neri, M. Preuß, J. Togelius, G.N. Yannakakis. Evolving behaviour trees for the commercial game defcon // Applications of Evolutionary Computation, Berlin, Heidelberg: Springer Berlin Heidelberg. 2010. P. 100–110.

D Roguelike tutorial // Unity Technologies. 2015. URL: https://learn.unity.com/project/2d-roguelike-tutorial



Наиболее читаемые статьи этого автора (авторов)

1 2 3 4 > >>