ML-Agents驱动的足球竞技游戏设计与实现

摘要

在人工智能飞速发展的大背景下,游戏AI的革新亦走在技术的前沿并引领游戏产业发展。为了研究游戏AI产生更为高效的游戏策略,对游戏研发中创新上限的瓶颈进行突破,本文设计一款ML-Agents驱动的足球竞技游戏,通过游戏AI的学习过程增强游戏NPC的可适应性和拟人化。借助CINEMA 4D、Maya设计场景建模,使用Unity引擎构建游戏场景,运用Anaconda搭建虚拟训练环境,采用TensorFlow训练NPC的行为,应用ML-Agents插件构建程序化人格,训练并引导Agent产生所期望的行为。实践结果表明,采用该方案研发的足球竞技游戏案例产品,游戏AI产生了更具创新性、更具效能的行为模式。