游戏AI介绍

期末作品报告

课程名称：专业英语

学号：

姓名：

班别：

填写须知

一、个人独立完成作品和报告，不得抄袭。

二、报告字体用小四号宋体，单倍行距，要求统一用A4纸双面打印。

1.全文翻译

游戏AI介绍

在广义上说，大多数游戏都包含一些人工智能（AI）的运用。例如，开发人员多年来都使用AI来给游戏中无数的人物以生命力，从经典的街机游戏Pac Man的鬼魂到第一人称射击游戏中的机器人，还有很多其他游戏。各种各样的游戏类型和游戏人物对什么是游戏AI给出了一个相当广泛的解释。事实上，AI也在其他传统的科学领域得到广泛的运用。

一些开发商认为路径搜索是游戏AI的一部分，有些则认为碰撞检测是游戏AI 的一部分。显然，广义上来说游戏AI是无处不在的。我们要继续解释什么是游戏AI，包括从简单的追逐和逃避在内的一切运动模式，以及神经网络和遗传算法。游戏AI 属于弱AI的范畴是最适合的，但是，在某个意义上，你可以想象游戏AI应用领域的广泛程度。

在游戏中，我们不一定对给参与游戏的机器方以人水平的智能感兴趣。也许我们可通过写代码来控制非人类的生物，比如龙、机器人，甚至老鼠。另外，谁说我们必须赋予机器方智慧呢？不赋予机器方智慧以增加游戏内容的多样性和丰富性。虽然游戏AI经常被呼吁解决相当复杂的问题，但我们可以利用AI去尝试给机器方以个性模样、不同的性格，或塑造情感和各种性情，如，害怕，焦虑，等等。

游戏AI的定义是相当广泛和灵活的。凡是能够产生适当水平的智能从而让游戏更加逼真，有挑战性，最重要的是使游戏变得更加有趣的东西，都可以被当做为游戏AI。正像在游戏中使用真实的物理现象那样，优良的AI增加了游戏的沉浸性，吸引游戏者，使他们一度置身于虚拟世界中。

定性与非定性的AI

游戏AI技术一般有两种形式：定性和非定性。

定性

定性的行为表现是具有指定和可预见性。不含有任何的不确定性。一个简单的追逐算法就是定性行为的一个例子。您可以在代码中设定机器方角色朝某一目标点沿x 和y坐标轴推进，直到角色的X和Y坐标与目标位置一致。

非定性

非定性行为和定性行为正好相反。这些行为具有一定程度的不确定性并且是不可预测性（不确定性的程度取决于AI方法的应用以及这些方法的执行情况）。机器方学习并适应玩家的战斗策略就是一个非定性行为的例子。这种学习方法可以使用神经网络算法、贝叶斯算法，或遗传算法完成。

定性AI技术是游戏AI的基础。这些技术具有可预见，快速，易于实现，理解，测试和调试等特性。尽管这种技术很成熟，开发者还是需要编写数量非常巨大的情节脚本以及各种行为。此外，定性方法不利于学习和发展，并且玩家在玩过一段时间后很容易找到游戏的规律，从而影响游戏的可玩性。

非定性的方法让游戏的不可预测性和不确定性大大增加。此外，游戏开发者不用把所有可能的情况全部用明确的编码去实现。非定性方法也可以独立的学习和推断，他们可以能够自行生产处理突发状况的即时行为，或者自行产生没有明确被指令指示的行为。我们将在本书考虑的簇拥算法和神经网络算法是即时行为的好例子。

传统的开发人员一直对采用非定性AI持谨慎的态度，尽管这些情况正在改变。但是非定性AI所产生的不确定性是难以测试和调试的--你怎么确定玩家的各种操作不会让游戏在某些情况下产生愚蠢的行为呢？游戏开发者们面临不断缩短的开发周期，这样不断缩短的开发周期使开发和测试产品就绪标准新技术特别困难。如此短的发展时期，使开发人员很难全面了解前沿的AI技术和认清AI对销售面广的商业游戏的影响。

至少直到最近，另一个限制了游戏AI发展的因素是，即开发商将大部分注意力集中到了图形图像的质量上。事实证明，这种集中于更好的和更快的图形技术，包括硬件加速，为开发更好更复杂的AI（软件）现在会需要更多的资源。事实上，随着生产下一代可玩性更高的游戏的压力不断增加，正促进游戏开发者更彻底地去探讨与研究非定性的技术。

现有的游戏AI

也许在游戏中使用最广泛的AI技术就是欺骗了。例如，在一个战争策略型游戏中，电脑控制的军队不用像游戏人必须做的那样放出侦察兵，就能够知道其对手也就是玩家操作的军队的位置、数量兵种等一系列信息。这种形式的欺骗是非常常见的，这样有助于电脑智能与游戏玩家进行对抗。然而，作弊或许是不好的。如果计算机作弊是明显的让玩家看到的，玩家将会认为他的努力是徒劳的，便失去了对游戏的兴趣。此外，不平衡的欺骗将使电脑过于强大，使玩家无法击败电脑。在这里，如果玩家看到他的努力是徒劳的便有可能失去对游戏的兴趣。欺骗必须是平衡的，为玩家创造足够的挑战性，来保持游戏趣味性。

当然，欺骗不是唯一行之有效的AI技术。优先状态机是一个无处不在的游戏AI 技术，但其基本上的思想是枚举一系列可控制游戏角色的动作或状态然后使用

if-then条件语句来对这些状态进行转换。

开发人员通常使用模糊逻辑以减少结果动作的可预见性，并减少了枚举大量的if-then规则的负担。你不用去定义一个规则，比如在距离= 10和健康度= 100的情况时然后才进行攻击，模糊逻辑将允许你制定一个具有不精确的条件规则，例如你只需要在接近和健康的情况下然后进行攻击。

种各样都的游戏中，高效的寻路是机器方要完成的一个基础的任务。在一个战争策略游戏中，一个机器方单位需要完成越过地形和躲避障碍物去接近敌人的一个行为。在一个第一人称射击类游戏中，被射击者需要穿过地牢或建筑以完成接近或逃避玩家控制的人物的行为。这种脚本情节是非常多的，难怪AI开发人员对寻路算法给予了极大关注。这些只是游戏AI技术的一小部分，其他技术还包括插入脚本，规则系统和一些智能生命技术（A-life）。举几个例子，A-life技术常见于机器人

应用领域，并且在视频游戏领域也取得了极大的成功。基本上A-life系统就是一个综合模拟人行为的系统。这些行为是综合了一些低级算法而得出的。

游戏AI的展望

游戏AI的下一件大事情就是学习。在游戏的进行中，机器方还需要去发展、学习和适应。角色的学习和反应行为属于非定性的技术。具体而言，这种不确定性，使学习这种AI技术需要更长的时间来开发和测试。此外，它让人更难以真正理解AI 究竟在做什么，这使得调试更加困难。这些因素已被证明是广泛应用和学习AI技术的严重障碍。

几种主流的游戏，如Creatures，Black & White,，Battlecruiser 3000 AD，Dirt Track Racing，Fields of Battle，and Heavy Gear，都利用了非定性AI方法。这些游戏的成功引发了人们学习AI方法的新热流，如对决策树、神经网络、遗传算以及概率统计的方法产生兴趣。

这些成功的游戏将非定性方法与传统的定性方法结合起来，并将这些方法用在最适合的地方来解决问题。一个神经网络算法不是灵丹妙药，不可能解决一个游戏AI中的所有问题。但如果你在一个混合的AI系统适当的地方使用它将会得到非常惊人的效果。这是我提倡的使用这些非定性方法的用法。这样，你至少可以在你的AI 系统中分离出那些非定性的方法因为他们是不可预测而且难于测试或者调试的，然后确保你AI系统其余大部分可以用传统的方法开发。

2.文章内容分析

文章可分为游戏AI简介、游戏AI的定性AI和非定性介绍、现有的游戏AI和游戏AI的展望四部分，每个部分的内容如下：

第一部分即前面的1-4段主要对游戏AI作简要的介绍，叙述了AI与游戏的关系，AI在游戏中的应用，以及游戏AI的定义。

第二部分主要介绍了定性的游戏AI和非定性的游戏AI。先说明什么是定性AI 和非定性AI，然后叙述定性AI和非定性AI在游戏中的应用，并且重点说明非定性AI的应用。

第三部分对AI技术在现有的AI游戏中的应用进行介绍。主要介绍了AI技术中的欺骗技术、模糊逻辑技术、高效寻路技术等技术在游戏中的应用。

第四部分介绍了游戏AI的展望，即游戏AI应该有哪些改观和未来的游戏AI的发展。

3.学习心得

虽然我们已经学习了很长一段时间的英语，但还远远不能达不到轻松地翻译一篇专业英语的水平。毕竟我们学的英语基本上都是一些基础的、常用的表达，以及一些基础、常用的语法。而对于自己专业领域的一些词汇怎么表达还不是很了解的。特别是上大学以来，对于我们理科生，英语的学习是比较忽略的。所以，专业英语的学习是很必要的。专业英语的学习不但可以在我们代码编辑和软件应用中有很大的帮助，并且对我们学习和阅读一些外文的文献也是很有帮助的。特别是那些专业的外文文献，如果没有经常接触英语，或者没有学习过专业英语，理解一篇专业的外文是非常吃力的。

而通过这段时间对专业英语的学习，特别是这次期末翻译，使我对学习英语有了更深刻的了解和明显的进步，特别是句子理解与翻译上有了很大的提升。在一些结构比较复杂，句子比较长的文章中，只要我们细心分析句子结构，分解句子成分，分清主谓宾，以及哪些部分修饰哪个部分，我们便可以比较轻松地理解句子内容，并将其翻译过来，当然有足够的词汇量是必须的。在这个过程中，我也深刻地认识到了自己在英语上有哪些不足之处。比如词汇量还是有所欠缺，并且在一些长句子的理解上还是比较吃力等，这将是今后的一个努力方向。

英文原文

游戏介绍

in the broadest sense, most games incorporate some from of arificial intelligence (AI). For instance, developers have used AI for years to give seemingly intelligent life to countless game characters, from the ghosts in the classic arcade game Pac Man to the bots in the first person shooter Unreal, and many others in between. The huge variety of game genres and game characters necessitates a rather broad interpretation as to what is considered game AI. Indeed, this is true of AI in more traditional scientific applications as well.

在广义上说，大多数游戏都包含一些人工智能（AI）的运用。例如，开发人员多年来都使用AI来给游戏中无数的人物以生命力，从经典的街机游戏Pac Man的鬼魂到第一人称射击游戏中的机器人，还有很多其他游戏。各种各样的游戏类型和游戏人物对什么事游戏AI给出了一个相当广泛的解释。事实上，AI也在其他传统的科学领域得到广泛的运用。

Some developers consider tasks such as pathfinding as part of game AI. Some developers even consider collision detection to be part of game AI. Clearly, some wideranging interpretations of game AI exist. We're going to stick with a broad interpretation of game AI, which includes everything from simple chasing and evading, to pattern movenment, to neural networks and genetic algorithms. Game AI probably best fits within the scope of weak AI, However, in a sense you can think of game AI in even broader terms.

一些开发商认为寻路算法是游戏AI的一部分，有些甚至认为碰撞检测是游戏AI的一部分。显然，广泛的游戏AI解释是存在的。我们要坚持游戏AI的广义的解释，包括从简单的追逐和逃避，模式动作，以及神经网络算法和遗传算法。游戏AI属于弱AI的范畴是最适合的，但是，在某个意义上，你可以认为游戏AI有更广泛的术语。

In games, we aren't always interested in giving nonplayer characters human-levelintellect. Perhaps we are writing code to control nonhuman creatures such as dragons, robots, or even rodents. Further, who says we always have to make nonplayer characters smart? Making some nonplayer characters dumb adds to the variety and richness of game content. Although it is true that game AI is often called upon to solve fairly complex problems, we can employ AI in attmepts to give nonplayer characters the appeatance of having different personalities, or of portraying emotions or various dispositions --for example, scared, agitated, and so on.

在游戏中，我们不一定对给参与游戏的机器方以人水平的智能感兴趣。也许我们可通过写代码来控制非人类的生物，比如龙、机器人，甚至老鼠。另外，谁说我们必须让机器方更聪明呢？我们可以添加一些哑巴的机器方以增加游戏内容的多样性和丰富性。虽然游戏AI经常被用来解决相当复杂的问题，但我们可以利用AI去尝试给机器方以个性模样、不同的性格，或塑造情感和各种性情--例如，害怕，焦虑，等等。

The bottom line is that the definition of game AI is rather broad and flexible. Any thing that gives the illusion of intelligence to an appropriate level, thus making the game AI more immersive ,challenging,and most importantly,fun,can be considered game AI.

Just like the use of real physics in games, good AI adds to the immersiveness of the game, drawing palyers in and suspending their reality for a time.

游戏AI底线的定义是相当广泛和灵活的。凡是能够产生适当水平的智能从而让游戏更加逼真，有挑战性，最重要的是使游戏变得更加有趣的东西都可以被当做为游戏AI。正像在游戏中使用真实的物理现象那样，优良的AI增加了游戏的沉浸性，吸引游戏者，使他们一度置身于虚拟世界中。

Deterministic Versus Nondeterministic AI

定性与非定性的AI

Game AI techniques generally come in two flavors: deterministic and nondeterministic.

游戏AI技术一般有两种形式：定性和不定性。

Deterministic behavior or performance is specified and predictable. There's no uncertainty. An example of deterministic behavior is a simple chasing algorithm. You can explicitly code a nonplayer character to move toward some target point by advancing along the x and y coordinate axes until the character's x and y coordinates coincide with the target location.

定性的行为表现是具有指定和可预见性。不含有任何的不确定性。一个简单的追逐算法就是定性行为的一个例子。您可以在代码中设定机器方角色朝某一目标点沿x和y坐标轴推进，直到角色的X和Y坐标与目标位置一致。

Nondeterministic behavior is the opposite of deterministic behavior. Behavior has a degree of uncertainty and is somewhat unpredictable( the degree of uncertainty depends on the AI method employed and how well that method is understood). An example of nondeterministic behavior is a nonplayer character learning to adapt to the fighting tactics of player. Such learning could use a neural network, a Bayesian trchnique, or a genetic algorithm.

非定性行为和定性行为正好相反。这些行为具有一定程度的不确定性并且是不可预测性（不确定性的程度取决于AI方法的应用以及这些方法的执行情况）。机器方学习并适应玩家的战斗策略就是一个非定性行为的例子。这种学习方法可以使用神经网络算法、贝叶斯算法，或遗传算法完成。

Deterministic AI techniques are the bread and butter of game AI. These teachniques are predictable, fast, and easy to implement, understand, test, and debug. Although they have a lot going for them, deterministic methods place 寄予the burden of anticipating（预料期望）all scenarios （方案、情节，情景）and coding all behavior explicitly明确的on the developers' shoulders .Further,deterministic methods do not facilitate learning or evolving. And after a litter gameplay, deterministic behaviors tend to become predictable. This limits a game's play-life, so to speak.

定性AI技术是游戏AI的基础。这些技术具有可预见，快速，易于实现，理解，测试和调试等特性。尽管这种技术很成熟，开发者还是需要编写数量非常巨大的情节脚本以及各种行为。此外，定性方法不利于学习和发展，并且玩家在玩过一段时间后很容易找到游戏的规律，从而影响游戏的可玩性。

Nondeterministic methods facilitate learning and unpredictable gameplay. Further, developers don't have to explicitly code all behaviors in anticipation of all possible scenarios. Nondeterministic methods also can learn and extrapolate on thire own, and they can promote so-called emergent behavior, or behavior that emerges without explicit instructions. The flocking and neural netword algorithms that we'll consider in this book are good examples of emergent behavior.

非定性的方法让游戏的不可预测性和不确定性大大增加。此外，游戏开发者不用把所有可能的情况全部用明确的编码去实现。非定性方法也可以独立的学习和推断，他们可以能够自行生产处理突发状况的即时行为，或者自行产生没有明确被指令指示的行为。我们将在本书考虑的簇拥算法和神经网络算法是即时行为的好例子。Developers traditionally have been a bit wary of AI that is nondeterministic, although this is changing. Unpredictability is diffcult to test and debug--how can you test all possible variations of player action to make sure the game doesn't do something silly in some case?

Game developers face an ever-shortening development cycle that makes developing and testing new technology to production-ready standards extremely difficult. Such short developlment periods make it difficult for develpers to understand cutting-edge AI technologies fully and to see their implications in a mass-market commercial game.

传统的开发人员一直对采用非定性AI持谨慎的态度，尽管这些情况正在改变。非定性AI所产生的不确定性是难以测试和调试的--你怎么确定玩家的各种操作不会让游戏在某些情况下产生愚蠢的行为呢？游戏开发者们面临不断缩短的开发周期，这样不断缩短的开发周期使开发和测试产品就绪标准新技术特别困难。如此短的发展时期，使开发人员很难全面了解前沿的AI技术和认清AI对销售面广的商业游戏的影响。

At least until recently, another factor that has limited game AI development is the fact that developers have been focusing most of their attention on graphics quality. As it turns out, such focus on developing better and faster graphics techniques, including hardware acceleration, might now afford more resources to be allocated toward developing better, more sophisticated AI. This fact, along with the pressure to produce the next hit game, is encouraging game developers to more thotoughly explore nondeterministic techniques.

至少直到最近，另一个限制了游戏AI发展的因素是，即开发商将大部分注意力集中到了图形图像的质量上。事实证明，这种集中于更好的和更快的图形技术，包括硬件加速，为开发更好更复杂的AI（软件）现在会需要更多的资源。事实上，随着生产下一代可玩性更高的游戏的压力不断增加，促进游戏开发者更彻底地去探讨与研究非定性的技术。

现有的游戏AI

Perhaps the most widely used AI technique in games is cheating. For example, in a war simulation game the computer team can have access to all information on its human opponent-location of their base; the types, number, and location of units, etc. --without having to send out scouts to gather such intelligence the way a human player must. Cheating in this manner is common and helps give the computer an edge against intelligent human players.However, cheating can be bad. If it is obvious to the player that the computer is cheating, the player likely will assume his efforts are futile and lose interest in the game. Also, unbalanced cheating can give computer opponents too much

power, making it impossible for the player to beat the computer. Here again, the player is likly to lose interest if he sees his efforts are futile. Cheating must be balanced to create just enough of a challenge for the player to keep the game interesting and fun.

也许在游戏中使用最广泛的AI技术就是欺骗了。例如，在一个战争策略型游戏中，电脑控制的军队不用像游戏人必须做的那样放出侦察兵，就能够知道其对手也就是玩家操作的军队的位置、数量兵种等一系列信息。这种形式的欺骗是非常常见的，这样有助于电脑智能与游戏玩家进行对抗。然而，作弊或许是不好的。如果计算机作弊是明显的让玩家看到的，玩家将会认为他的努力是徒劳的，便失去了对游戏的兴趣。此外，不平衡的欺骗将使电脑过于强大，使玩家无法击败电脑。在这里，如果玩家看到他的努力是徒劳的便有可能失去对游戏的兴趣。欺骗必须是平衡的，为玩家创造足够的挑战性，来保持游戏趣味性。

Of course, cheating isn't the only well-established AI technique. Finite state machines are a ubiquitous game AI technique,but basically the idea is to enumerate a bunch of actions or states for computer-controlled characters and execute them or transition between them using if-then conditionals that check various conditions and criteria.

当然，欺骗不是唯一行之有效的AI技术。优先状态机是一个无处不在的游戏AI技术，但其基本上的思想是枚举一系列可控制游戏角色的动作或状态然后使用if-then条件语句来对这些状态进行转换。

Developers commonly use fuzzy logic in fuzzy state machines to make the resulting actions somewhat less predictable and to reduce the burden of having to enumerate huge numbers of if-then rules. Rather than have a rule that states if distance = 10 and health = 100 then attack, as you might in a finite state machine, fuzzy logic enables you to craft rules using less precise conditions, such as if close and healthy then attack aggressively. 开发人员通常使用模糊逻辑以减少结果动作的可预见性，并减少了枚举大量的if-then 规则的负担。你不用去定义一个规则，比如在距离= 10和健康度= 100的情况时然后才进行攻击，模糊逻辑将允许你制定一个具有不精确的条件规则，例如你只需要在接近和健康的情况下然后进行攻击。

Effective and efficient pathfinding is a fundamental task that nonplayer characters must accomplish in all sorts of games. Nonplayer character units in a war simulation must be able to navingate over terrain an aviod barriers to reach the enemy.Creatures in a

first-person shooter must be able to navigate through dungeons or buildings to reach or escape from the player. The scenarios are endless, and it's no wonder that AI developers give pathfinding tremendous attention. These are only a few of the established game AI techniques; others include scripting, rules-based systems, and some artificial life(A-life) techniques, to name a few. 在各种各样都的游戏中，高效的寻路是机器方要完成的一个基础的任务。在一个战争策略游戏中，一个机器方单位需要完成越过地形和躲避障碍物去接近敌人的一个行为。在一个第一人称射击类游戏中，被射击者需要穿过地牢或建筑以完成接近或逃避玩家控制的人物的行为。这种脚本情节是非常多的，难怪AI开发人员对寻路算法给予了极大关注。这些只是游戏AI技术的一小部分，其他技术还包括插入脚本，规则系统和一些智能生命技术，等等。

A-life techniques are common in robotic applications, and developers have adapted and used them with great success in video games. Basically, an

A-life system is a synthetic system that exhibits natural behaviors. These behaviors are emergent and develop as a result of the combined effect of lower-level algorithms.

生命技术在机器人应用程序中是很普遍的，开发人员已经在视频游戏中改编和使用机器人，并且取得了巨大的成功。基本上，一个生命系统是一个综合系统，具有自然的行为。这些行为作为一底层算法的综合效应的新兴和发展的结果。

The Future of Game AI

游戏AI的展望

The next big thing in game AI is learning. The game should evolve, learn, and adapt the more it's played. The techniqiues for learning and reacting to character behavior fall under the nondeterministic. Specifically, such nondeterministic, learning AI techniques take longer to develop and test. Further, it's more difficult to really understand what the AI is doing, which makes debugging more difficult. These factors have proven to be serious barriers for widespread use of learning AI techniques.

在游戏AI中，下一件大事就是学习。游戏更应是在玩的时候进化、学习和适应。角色的学习和反应行为属于非定性的技术。具体而言，这种不确定性，使学习AI技术需要更长的时间来开发和测试。此外，它让人更难以真正理解AI究竟在做什么，这使得调试更加困难。这些因素已被证明是广泛使用和学习AI技术的严重障碍。

Several mainstream games, such as Creatures, Black & White, Battlecruiser 3000 AD, Dirt Track Racing,Fields of Battle,and Heavy Gear, used nonderterministic AI methods.Their success sparked a renewed interest in learning AI methods such as decision trees, neural networds, genetic algorithms, and probabilistic methods.

几种主流的游戏，如利用非定性AI方法的生物，黑与白，巡洋舰3000 AD，泥地赛车，野外战场和重装机甲。这些游戏的成功引发了新的学习AI方法的兴趣，如决策树算法、神经网络算法、遗传算法和概率的方法。

These successful games use nondeterministic methods in conjunction with more traditional deterministic methods, and use them only where they are needed and only for problems for which they are best suited. A neural netwoek is not a magic pill that will solve all AI problems in a games; however, you can use it with impressive results

for very specific具体的AI 任务tasks within a hybrid AI system. This is the approach we advocate for using these nondeterministic methods.in this way,you can at least isolate the parts of your AI that are unpredictable and more difficult to

develop ,test,and debug,while ideally keeping the majority of your AI system in tranditional form.

这些成功的游戏使用非定性方法与更传统的定性方法结合起来，并将这些方法只用在需要的地方，并且与唯一问题形成最佳匹配。一个神经网络算法不是灵丹妙药，不可能解决一个游戏AI中的所有问题；然而，你可以在一个混合的AI系统中使用令人印象深刻的结果去完成非常具体的AI任务。这一方法我们提倡使用非定性方法。这样，你至少能把你的AI中不可预测的和更难以开发、测试和调试的那些部分分离开来，同时理想地以传统的形式保持你的AI系统的大部分。