طراحي كاراكترهاي غير قابل بازي توسط روش‌هاي پيشبيني ارزش در يادگيري تقويتي

يكي از مهمترين دغدغه‌ها در توسعه بازي‌هاي ويديويي، طراحي هوش مصنوعي كاراكترهاي غير قابل بازي است. مهمترين نيازمندي در طراحي هوش مصنوعي اين كاراكترها، چالش برانگيز بودن و شكست‌پذير بودن آنها به صورت توام است. به عبارت ديگر، هوش مصنوعي بازي بايد به گونه‌اي باشد كه پيروز شدن در بازي را براي بازيكن سخت كند و در عين حال اين ميزان سختي نبايد آنقدر زياد باشد كه لذت بازي كردن از بازيكن گرفته شود. به همين دليل، در اغلب بازي‌هاي تجاري به جاي استفاده از تكنيك‌هاي مدرن هوش مصنوعي مانند يادگيري ماشين، از تكنيك‌هاي ساده‌اي مانند ماشين‌هاي حالت متناهي و سامانه‌هاي قانون مبنا استفاده مي‌شود. در اين مقاله، با استفاده از روش‌هاي پيشبيني ارزش در حوزه يادگيري تقويتي، روشي براي طراحي هوش مصنوعي كاراكترهاي غيرقابل بازي ارائه مي‌شود. از مهمترين مزيت‌هاي اين روش، مي‌توان به عدم قطعيت و قابليت تنظيم ميزان هوشمندي اشاره كرد. علاوه بر اين، اين روش مستقل از دامنه است و به همين دليل به سادگي در بسياري از بازي‌هاي تجاري قابل استفاده است. در نهايت، نتايج استفاده از اين روش در يك بازي سه‌بعدي شبيه‌سازي ضربات آزاد فوتبال گزارش مي‌شود.