将推测物理学建模与基于目标人工智能组合制造技术

在一个实施例中，本发明专利技术包括一种用于执行下列步骤的方法：识别计算机游戏场景中对游戏的人工智能（ＡＩ）角色可见的可变形对象；请求与可变形对象关联的推测物理学模拟，以便确定ＡＩ角色对可变形对象的动作的结果；以及，选择将由ＡＩ角色执行的动作，其中该选择至少部分基于推测物理学模拟。描述了其它实施例并且要求其权益。

【技术实现步骤摘要】
【国外来华专利技术】将推测物理学建模与基于目标人工智能组合
技术介绍
在计算机游戏中，可包含人工智能(Al)以便管理计算机控制实体的动作。视频游 戏中AI的示例包括规划，其中AI实体使用有限状态机或者基于目标规划来以提供智能幻 影(illusion)的方式实现游戏中目标；路径寻找，其中AI控制实体使用路径寻找算法来对 环境进行导航以到达预期点；以及操纵，其中AI控制实体往往根据其它实体的运动来调整 其运动。AI技术的应用允许计算机游戏包括非人类实体，非人类实体向玩家提供智能幻影 和有趣挑战并且会是视频游戏成功的决定性方面。物理学(physics)模拟(以下称作“物理学”)也用于计算机游戏中。游戏中的物 理学已经包括如检测对象何时碰撞以及控制对碰撞的响应(弹跳、合并、粉碎等)之类的活 动、液体流动模拟(例如用于示出具有河/水的环境或使用液体的武器)、服装模拟(用于 增强人和生物着装、穿戴盔甲等的真实性)、武器物理学(轨迹模拟、爆炸模拟)和各种其它 主题。物理学在视频游戏中的最新应用已经开始包括可变形世界的概念，其中可在物理学 的帮助下操纵对象。在可变形世界中，部分或全部对象通过其物理属性来描述，并且与对象 的玩家交互允许对游戏环境的变更和操纵。由可变形世界物理学实现的事物的示例包括在 墙上射出孔而不是经过门口，或者扔出环境中找到的椅子而不是射击武器。但是，在视频游戏中物理学和AI会是计算密集的工作负荷。当前游戏中的物理学 可每秒消耗10-100X 109浮点运算(GFLOPS)，未来的游戏预计消耗甚至更多计算资源以支 持例如容积流体的丰富环境物理学特征。此外，实现物理学和AI的软件在代码复杂度(分 支、不规则/非流式存储器存取)和数据复杂度(复杂数据结构的使用)方面往往较为复 杂。一般来说，物理学子系统和AI子系统彼此不交互。附图说明图IA是根据本专利技术一个实施例的经预先编程潜在动作的示例图表。图IB是根据本专利技术一个实施例的示例图表。图2是根据本专利技术一个实施例的方法的流程图。图3是根据本专利技术实施例执行一个或多个推测(speculative)物理学模拟的方法 的流程图。图4是根据本专利技术实施例的系统的框图。 具体实施例方式实施例可用于将AI和物理学组合在例如视频游戏的基于计算机游戏中。更具体 来说，这些不同技术可通过如下进行组合应用面向目标AI的概念，其中AI具有它希望实 现的某个目标(例如杀掉玩家)，其中推测运行可变形世界物理学(例如，对玩家评估对墙 射击是否会引起建筑物倒塌)。在游戏物理学和AI的情况下，因此，基于目标AI系统将基 于物理学的可变形世界变形添加到其一般(与形势的、预先编程的相反)可能动作清单。 因此，不是迫使设计人员根据AI实体的物理学环境的变形性来预先考虑给予AI实体的每一个选项，而是AI实体可通过与可变形对象进行推测交互来动态发现其选项。本文所使用 的术语“Al实体”或“Al角色”是指受AI系统控制的游戏环境中存在的参与者或其它代理 (agent)的表示。作为基于AI发现的一个示例，AI系统可判定对墙射击是否会因倒塌而引起玩家 死亡，或者推动长凳是否会产生到达玩家的新路径，或者引爆炸弹是否会造成玩家无法穿 过的障碍物。这又会更好地利用可变形世界的物理学能力以及使AI表现得更有创造性，即 向玩家提供AI角色智能外观的方面。相比之下，在当今的大多数视频游戏中，以比较有限的方式使用AI和物理学。AI 通常基于状态或者具有极有限的基于目标行为。此外，AI角色可用的选项必须由设计人员 向其进行描述。这是劳动密集的过程，并且是将AI限制到与设计人员所开发的静态创建环 境进行交互的过程。因此，虽然当前游戏AI在一些情况下提供世界变形的可能性，但是这 类可能性由游戏设计人员人工预先编程。例如，AI角色将仅知道它是否可突破窗口进入房 间，要是设计人员在AI算法中明确添加那个选项的话。这类选项通常仅包括可被尝试的对 象或动作的具体列表。此外，当前计算机游戏使用反应形式的物理学，其中玩家执行动作而 物理学模拟对结果建模。但是，这类游戏没有使用基于目标AI和推测物理学执行的组合。 通过使用本专利技术的实施例来组合这两种技术，可使游戏对玩家更具挑战性且更有趣，减少 游戏设计人员所需的工作量，并且增加AI以未由设计人员预先考虑的方式利用物理学环 境的能力。虽然许多不同实现是可能的，但作为示例来描述一个实施例。示例实施例使用面 向目标规划，其中设计人员在游戏开发期间创建潜在动作图表，该图表指明AI角色可采取 的可能动作以及从那些动作可产生什么结果。这用于实现AI角色的目标。预先编程潜在动作的示例图表如图IA所示，其中目标是扳动带门的墙的另一侧 上的开关。图IA中，节点是AI角色可能所处的状态，并且边是它可采取的动作。边也标记 有成本值，从而为特定动作过程赋予AI角色偏好。因此，如图IA所示，潜在动作图表10包 括各自可定义AI角色所处状态的多个节点20、25和35。具体来说，状态20可与开门之后 AI角色的定位和状态关联，节点25与踢倒门之后AI角色的状态和定位关联，而状态35可 在AI角色扳动开关之后到达。在一个实施例中，AI子系统进行操作以找到通过图表至目 标的最短成本路径，并实现该计划。例如，如果门被锁上，则AI会认识到这点并重新规划。 在图IA的实施例中，括号中的数字可表示各动作的成本。通过使用本专利技术的实施例，可用通过从AI系统到物理学系统的查询所提供的选 项来动态扩大这个预先编程图表。例如，在上述情况之后，可将墙的某些部分建模为可用炸 药来操纵的砖块堆。没有来自设计人员的输入，AI系统可动态执行光线投射(raycast)，以 便识别从角色可见的所有可变形对象。如果找到这类对象，则可运行推测物理学模拟，以便 查看用例如火箭筒射击对象的结果是否允许AI角色到达其目标。如果这类选项可用，则来 自图IA的图表会被扩大为看起来像图IB中的图表。更具体来说，图IB示出根据本专利技术实施例的潜在动作图表。在图表10’中，存在 附加状态40。这个附加状态40可在游戏的运行时间期间被动态添加到图表。也就是说， AI子系统可在查看它所在的环境时确定可变形对象(例如墙)的存在，并且向物理学子系 统生成执行推测物理学模拟的请求，以便确定执行动作(例如对墙发射火箭筒)是否将产生预期结果，即击倒墙或者其一部分使得AI角色可到达其最终目标。相应地，通过开始于 与图IA的图表10中相同的预先编程选项并且根据AI子系统请求的一个或多个推测物理 学模拟的结果更新图表，在运行时间期间动态生成图IB的图表10’。因此，这个扩大的图表 允许AI角色按照不同方式与其环境进行交互，而无需设计人员明确描述其全部可能动作。 注意，在图IB的实施例中，对墙发射火箭的成本可高于其它潜在动作。在一些实现中，推测 动作的这类成本确定可由设计人员来确定。例如，如果设计人员希望AI角色优选更巧妙的 方式，则可向所有火箭筒使用赋予作为比格斗拳击更高成本的指定成本。在其它实现中，成 本可由物理学子系统生成。例如，努力推动特定重量块的工作可用于赋予AI角色对较少物 理努力的偏好。现在参照图2，示出根据本专利技术一个实施例的方法的流程图。如图2所示，方法100 可由AI子系统在运行时间期间用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：D普措卢，A孔策，T莫里森，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：US