」工欲善其事,必先利其器。「—孔子《論語.錄靈公》
首頁 > 遊戲 > 我們很快就會看到人工智慧分析你的技能並自動調整難度等級的那一天嗎? 討論自動關卡產生方法及其應用的會議報告 [CEDEC 2024]

我們很快就會看到人工智慧分析你的技能並自動調整難度等級的那一天嗎? 討論自動關卡產生方法及其應用的會議報告 [CEDEC 2024]

發佈於2024-11-08
瀏覽:901

 AIがプレイヤーの腕前を見てきめ細やかに難度を調整し,さらにはステージまで作ってくれる日も近いかもしれない。開発者向けカンファレンス「CEDEC 2024」の2日目,2024年8月22日に行われた「プレイヤーの『上手さ』とゲームの『難しさ』を分析する手法とレベル自動生成への応用」では,スクウェア・エニックスのAI&エンジン開発ディビジョンにおける研究成果が明かされた。

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

●「プレイヤーの『上手さ』とゲームの『難しさ』を分析する手法とレベル自動生成への応用」登壇者
  • 宋 亜成氏(スクウェア・エニックス AI&エンジン開発ディビジョン プログラマー)
  • 城所 憲氏(スクウェア・エニックス AI&エンジン開発ディビジョン AIプログラマー)

写真左から宋 亜成氏,城所 憲氏
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]


AIがプレイヤーの腕前を分析し,心地よい難しさを演出する


 ゲームを遊ぶにあたり,プレイヤーには攻撃を当てたり回避したりといったさまざまな能力が求められる。プレイヤーごとに得意な分野と苦手な分野があるものの,現在のゲームでは難度設定が画一的であり,個々のプレイヤーに合わせたものにはなっていない,と宋氏は指摘する。

 こうした状態では難度を変えるとすべての要素が一律で上下してしまい,齟齬が発生しかねない。例えば,回避が苦手で攻撃が得意な人が難度を下げて回避が容易になると,攻撃についてはもともと高いスキルを持っているので,簡単になりすぎてしまうといった具合だ。

 そこで,宋氏は「分野ごとの難度を動的に調整できれば,プレイヤーそれぞれの得意や苦手にフィットした体験を与えられるのではないか」と考えたという。そのためには,あらかじめプレイヤーの能力を分類したうえで,AIに判定と分析を行わせる仕組みが必要となる。

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

 こうして作られたのが「アビリティグラフ」による「アビリティ分析」の仕組みだ。「ゲームマスターAI」がプレイを監視して能力の判定を行うだけでなく,これを分析してゲームの展開にも干渉,プレイヤーの腕前を見て手助けをしたり,敵を増やしたりするのである。
 これを縦スクロールシューティングの技術デモ(プレイヤーは陸を歩き,移動の際は地形からの干渉を受ける。地形は破壊でき,そのなかからアイテムが出現する)に適用した事例が語られた。

 アビリティグラフには,「アビリティノード」が「エッジ(矢印)」でリンクされたグラフ構造を持つ。アビリティノードは分析したい能力を示しており,「基本(移動や攻撃などの基本をこなす能力)」「行動(敵を倒す,アイテムを拾うなど,複数の基本能力を駆使して目標を達成する能力)」「戦術(脅威を減らす,ダメージを防ぐ,ステータスを伸ばすなど,ゲームプレイの方針を表す能力)」の3カテゴリが存在する。

 それぞれにプレイヤー自身の熟練度を示す「マスタリーレート(以下,MR)」と,ゲーム側から要求する能力である「チャレンジレート(以下,CR)」といった尺度があり,アビリティノードどうしのリンクにはウェイト(関連度)の数値が設定されており,高いほど重視されることになる。

 実際にゲームをプレイすると,ゲームマスターAIがアビリティグラフを基準として,アビリティノードそれぞれの項目でプレイヤーの腕前のチェックを行う。得意←→苦手と困難←→容易の2軸を持つグラフで「アビリティ特性」を判断するのだが,MRが高いと得意(低いと苦手)で,CRとMRの差分が高いと困難(低いと容易)というわけだ。

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

 これを見てゲームマスターAIは,ゲームの展開に干渉する。得意分野だが難しいと感じている場合は味方NPCに協力させ,苦手だが課題自体は易しい場合はTIPSを表示して上達を支援するといった,きめ細かなフォローをしていくのだ。また,演出にも応用でき,苦戦しているなら背景をボロボロにしたうえで雨を降らせて不穏な雰囲気を表現することもできる。

 プレイヤーが苦戦するようであればその支援をすればいいし,逆に難度が不足しているようなら敵や障害物を増やせばいいといったように,プレイヤーが歯ごたえを感じる「心地よい難しさ」を表現することが可能になるという。

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

プレイヤーが地形を破壊するのに手こずっていると,画面右の味方が稲妻を落として岩を砕いてくれた
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

 このアビリティノード方式では,評価に用いるMRとCRの算出が重要になるため,さまざまな工夫が凝らされている。アビリティノードのなかには,直接評価できるものとそうでないものがある。例えば「敵を倒す」場合は,敵を倒した数と倒せなかった数からMR,レベル状に配置されている敵の種類や数からCRが算出できる。

 しかし,戦術系アビリティは「ステータスを伸ばす」「ステージを上手にクリア」など抽象的なため,グラフ上で親になっているアビリティのMRやCRからウェイトを用いて推定する。この考え方自体はFPSやターン制RPG,FPSなどジャンルやマップの形式を問わず使えるものであるとのことだ。

 将来的にはプレイがうまくいった理由やそうでない理由を推定し,原因となったアビリティの練習になるコンテンツを提示できるようにしたい,と宋氏は今後の展望を語った。

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]


AIを用い,プレイヤーの腕前に合わせたステージを自動生成する


 講演の後半では城所氏がアビリティノードやCRをレベルの自動生成に活用した例,つまりAIがプレイヤーの腕前に応じたステージを作り出す取り組みについて語った。

 Procedural Content Generation(手続き型コンテンツ生成,以下PCG)をレベル生成に使う場合,この例だとそれぞれのCRに応じたPCGのアルゴリズムが必要になるが,CRが仕様変更するとアルゴリズムも使えなくなるし,複数のCRを考慮したアルゴリズムとした場合は複雑になりすぎるという弱点がある。

 これを解決すべく用いられたのが,Procedural Content Generation via. Reinforcement Learning(強化学習によるレベル生成,以下PCGRL)だ。人間が設定した報酬に基づいてレベル生成ができるというもので,このケースではCRを報酬にすればAIがレベルの作り方を学習してくれる。

 強化学習とはエージェントが報酬に基づいて最良の方策を学習していくというもので,より多くの報酬を得られる方法を模索していく。PCGRLではエージェントが編集中のレベルに障害物などを配置すると報酬をもらえるので,より高い報酬(ステージ設計の意図に合致した配置)を目指して学習していく。

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

 PCGRLとひとくちにいってもさまざまな手法があり,それぞれに制約がある。例えば,「クレートをゴールに押し込むパズルゲーム(いわゆる“倉庫番”だろう)」の自動生成にPCGRLを用いる場合,報酬を調整することである程度の難度を持ったレベルは作れるが,クレートやゴールの数をコントロールするなどパラメータに応じたレベルは作れない。

 つまり,目標であるCRに応じたレベル生成は不可能ということだ。この問題を解決するのがControllable PCGRLとなる。先に挙げた例だとクレートやゴールの数,最短手順の手数といった部分を制御できるPCGRLだが,今回作りたいシューティングのような複雑なゲームのレベルは生成できない。

 Multi-layer PCGRLなら敵や地形などの「レベルレイヤー」と,CRなどの情報を持つ「情報レイヤー」といったレイヤーや地形生成モジュール,敵配置モジュールなどを組み合わせることで,複雑なゲームのレベルも自動生成できる。地形生成モジュールが地形を作り,これに基づいて敵配置モジュールが敵を配置,さらにアイテム配置モジュールがアイテムを置くことで,レベルが完成するのだ。

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

 講演では地形の破壊というアビリティについて,Multi-layer PCGRLがどのようにレベルを自動生成するかも説明された。Multi-layer PCGRLでは1画面ずつ自動生成を行っていく。その際の目標となるのが1画面分20行×16列のCRの平均を取った「平均20行CR」。Multi-layer PCGRLは,生成したレベルの平均CRが,平均20行CRになるように試行錯誤を繰り返す。つまり,どんなレベルを生成したいかの方針が平均20行CRであり,合致しているほど高い報酬をもらえるわけだ。

 今回の例では約4日間で2000万ステップを学習させ,ランダムなCRを指定して100のレベル(この場合は100画面分のマップ)を作るというテストを行っている。普通に生成するのであれば平均0.62秒,道などプレイヤーを誘導する地形を生成させても0.46秒,障害物を追加させるなら0.74秒といずれも高速で,しかも生成したレベルのすべてが平均20行CRという基準を満たすものになっていたという。

 フラットな地形に敵やアイテムを平均20行CR基準で配置した場合,敵は平均0.32秒,アイテムは0.48秒で配置でき,100%が平均20行CRをものになっていたとのこと。既存レベルをPCGRLに編集させることで,最初は簡単だが後半は難しいといったメリハリのあるものを生成することも可能だという。また,プレイ中にリアルタイムでPCGRLにレベル生成させるテストを実施したところ,良好な結果が得られたそうだ。

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]
AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

 最後に宋氏はアビリティ分析手法について,コンテンツやクエストを動的生成したり,プレイヤーが作りかけたマップをAIが完成させるほか,プレイヤーVS.ゲームマスターAIといったシングルプレイなのにマルチプレイを思わせる新たなゲーム性に応用できるのではないかと,今後の展望について語り,講演を締めくくった。

AIが腕前を分析し,難度を自動調節してくれる日も近い? その手法とレベル自動生成への応用が語られたセッションをレポート[CEDEC 2024]

 AIによる難度の自動調整は昔から取り組みが続く,ゲーム開発者にとっての夢のひとつだ。現代のAI研究とマシンパワーにより,その夢はより現実的かつ広範なものとなったと言えるだろう。プレイヤーとしても,自分の腕前に合ったゲームを楽しめ,レベルの自動生成で展開がよりバラエティに富んだものになるのだから願ったり叶ったりといったところだ。広い層に向けてプレイしやすい環境を整えていくという近年のトレンドもあり,強いニーズがあると思われる難度自動調整やレベルの自動生成だが,本講演ではその可能性を強く感じられた。

版本聲明 本文轉載於:https://www.4gamer.net/games/999/G999905/20240824014/如有侵犯,請聯絡[email protected]刪除
最新教學 更多>
  • 在庫滕貝格KCD2 |在哪裡睡覺|王國來:Deliverance 2床位指南
    在庫滕貝格KCD2 |在哪裡睡覺|王國來:Deliverance 2床位指南
    在《王國之淚2:庫特納霍拉》中想找個地方睡覺?別擔心,這裡有一些推薦: 絞刑架哈爾特的酒館 - 這是你與凱瑟琳一起執行任務時會首先訪問的地方。酒館老闆提供房間,但請務必在晚上關門前到達那裡預訂住宿。 查理皇帝酒館 - 你也可以通過與酒館老闆哈維爾交談來入住這家酒館。他提供一個永久房間,價格為10...
    遊戲 發佈於2025-03-26
  • 流浪者:請求的完整指南
    流浪者:請求的完整指南
    探索流浪茶馆迷人的世界,在这里满足客户的要求是解锁阿尔塔迷人故事的关键。该综合指南详细介绍了每章都需要进行的每个茶配方,并揭示了其中的秘密。 游戏的进度取决于制作各种茶来满足独特的客户订单,每章都提出新的挑战和角色。 第1章:初学者的啤酒本介绍性章节教授了茶和秩序实现的基础。四个请求正在等待: 顾...
    遊戲 發佈於2025-03-25
  • 壟斷地:PEG-E獎勵獎勵指南(2月17日至19日)
    壟斷地:PEG-E獎勵獎勵指南(2月17日至19日)
    本週在《壟斷》中,PEG-E獎品下降活動返回,通過玩流行的Pachinko風格遊戲,為贏得奇妙獎品提供了另一個機會。 該活動於2月17日至2月19日下午3點舉行。 [2 遊戲中的幾項活動提供了參與所需的PEG-E芯片: 每日活動:參加每日比賽和挑戰,有機會贏得額外的籌碼。 PAW-FECT比賽在...
    遊戲 發佈於2025-03-25
  • 刺客信條陰影-Yakami Fort Exploration Guide
    刺客信條陰影-Yakami Fort Exploration Guide
    在刺客信條陰影中,征服堡壘提供了傳奇的戰利品和經驗。 本指南重點介紹了Yakami Fort,這是一個最佳的遊戲區域,尤其是在不足的情況下。 強烈建議使用Naoe的無聲方法。 [2 [2 [2 中央位於塔巴,武田和阿什山之間。 最近的快速旅行點是堡壘以西Hatano房子附近的Yakima K...
    遊戲 發佈於2025-03-25
  • 我們對GTA 6的了解6
    我們對GTA 6的了解6
    GTA 6 - one of the most hyped games in development right now - has officially been revealed by Rockstar Games. Over 12 years after GTA 5 was unveiled,...
    遊戲 發佈於2025-03-25
  • Roblox:Jujutsu Infinite-沙盒模式指南
    Roblox:Jujutsu Infinite-沙盒模式指南
    jujutsu infinite 的沙盒模式是一個電源的地方,您可以獨自從擁擠的服務器中休息並磨練您的技能。對於尚不熟悉遊戲機制並希望在闖入真實遊戲之前練習一點的初學者,此模式將特別有用。 ...
    遊戲 發佈於2025-03-25
  • 刺客信條陰影 -  Yokai Quest演練
    刺客信條陰影 - Yokai Quest演練
    《刺客信条:暗影》妖怪支线任务全攻略:寻找隐藏的妖怪并获得丰厚奖励! 在《刺客信条:暗影》的主线剧情中,你将探索各个主要省份,并发现大量支线任务。有些任务只需在特定省份击败一定数量的敌人,而另一些则有更具体的要求。“妖怪”便是其中之一,任务目标是寻找各种妖怪传闻,以证明它们并不存在。这将带你走遍地图...
    遊戲 發佈於2025-03-24
  • 白天死亡:如何有效擊打殺手
    白天死亡:如何有效擊打殺手
    掌握殺手殺死和百葉窗在日光下死亡:綜合指南 在日光下,有效地令人驚嘆和盲目殺手對於生存至關重要。 定時的昏迷可能意味著逃生,成功的救援或成為下一個鉤子受害者之間的區別。 這不僅僅是按鈕搗碎;它需要精確的時機,戰略定位並預測殺手的動作。 [2 本指南詳細介紹了令人驚嘆和盲目殺手的方法和特權,避免的...
    遊戲 發佈於2025-03-24
  • 如何修復fragpunk“網絡錯誤:無法連接到服務器”
    如何修復fragpunk“網絡錯誤:無法連接到服務器”
    FragPunk無法連接,卡在網絡錯誤界面?別慌!以下方法助你重返戰場。 1. Eero路由器解決方案 打開Eero應用程序,進入“安全與隱私”>“網絡控制”。 關閉“高級安全”功能。 遊戲過程中保持關閉狀態,否則將斷開連接。 也可以嘗試直接連接到調製解調器。 2. 禁用VPN或網絡...
    遊戲 發佈於2025-03-24
  • 使命召喚:黑色行動6-最佳潮流82加載
    使命召喚:黑色行動6-最佳潮流82加載
    在可管理的開箱即用時,風水82真正帶有正確的附件。 下面,我們提出了兩個構建,以最大化其在多人遊戲和殭屍模式中的潛力。 解鎖馮82 [2 當前,潮流82通過第2季的戰鬥通行證解鎖,作為第3頁的最終獎勵。解鎖需要14個通過播放時間賺取的14個戰鬥通行證代幣。 第2季結束後,它將過渡到軍械庫解鎖系...
    遊戲 發佈於2025-03-24
  • NYT連接答案和提示 -  2025年3月18日解決方案#646
    NYT連接答案和提示 - 2025年3月18日解決方案#646
    用這些有用的提示解決了當今的《紐約時報》的拼圖! 需要一些幫助以保持連勝紀錄嗎?從微妙的線索到完整的解決方案,我們已經為您提供了覆蓋。 如果您在這裡偶然發現了3月17日的答案,請在此處單擊。 [2 [2 只需要一點推動嗎?單擊下面的提示,這些提示不會顯示類別名稱,但會指向正確的方向。 [2 這...
    遊戲 發佈於2025-03-24
  • 刺客信條陰影-Amagasaki城堡探索指南
    刺客信條陰影-Amagasaki城堡探索指南
    Assassin's Creed Shadows has quite a few different castles strewn across its extremely large world. Each castle is going to be a little bit different...
    遊戲 發佈於2025-03-24
  • NYT連接答案和提示 -  2025年2月25日解決方案#625
    NYT連接答案和提示 - 2025年2月25日解決方案#625
    用這些有用的提示解決了當今的《紐約時報》的拼圖! 需要一些幫助以保持連勝紀錄嗎?從微妙的線索到完整的答案,我們已經為您提供了覆蓋。 如果您正在尋找2月24日的答案,則可以找到它們[此處](此處插入鏈接 - 這是一個佔位符,如果可用的話,請替換為實際鏈接)。 [2 下面,您會發現通過困難分類的提示...
    遊戲 發佈於2025-03-24
  • NYT連接答案和提示 -  2024年11月13日解決方案#521
    NYT連接答案和提示 - 2024年11月13日解決方案#521
    這是新的一天,這意味著要在《紐約時報》的遊戲中解決新的拼圖牆。如果您想保存自己的條紋,並且只想確定最後一個討厭的類別,請放心 - 我們有所有可能需要的提示。 ...
    遊戲 發佈於2025-03-24

免責聲明: 提供的所有資源部分來自互聯網,如果有侵犯您的版權或其他權益,請說明詳細緣由並提供版權或權益證明然後發到郵箱:[email protected] 我們會在第一時間內為您處理。

Copyright© 2022 湘ICP备2022001581号-3