Estoy considerando utilizar una red neuronal para alimentar a mis enemigos en un juego de disparos espaciales que estoy construyendo y me pregunto; ¿cómo se entrena a las redes neuronales cuando no hay un buen conjunto definitivo de productos para la red?¿Cómo usar las redes neuronales para resolver soluciones "blandas"?
Estoy estudiando redes neuronales por el momento, y parecen bastante inútiles sin codificaciones de entrada y salida bien definidas, y no se adaptan en absoluto a la complejidad (ver http://en.wikipedia.org/wiki/VC_dimension). es por eso que la investigación de redes neuronales ha tenido tan poca aplicación desde el despliegue inicial hace más de 20-30 años, mientras que la IA semántica/estatal se hizo cargo de los intereses de todos debido a su éxito en las aplicaciones del mundo real.
En resumen, probablemente sea mejor para ti usar redes Neural para una pequeña porción del juego, más bien como la IA enemiga central.
Creo que puedo usar entradas básicas como salud, velocidad actual y dirección/distancia del jugador para las entradas y luego tener una dirección de disparo, valor de disparo actual y un vector de empuje o velocidad de giro un valor de aceleración/desaceleración. Además, ¿puede proporcionar un enlace a más información sobre redes neuronales "recurrentes"? No estoy familiarizado con ellos. – RCIX
Una red recurrente solo significa que las salidas se devuelven a las neuronas como entradas. Hay muchos tipos diferentes de redes neuronales con diferentes comportamientos. algunas simples son redes elman http://wiki.tcl.tk/15206 y redes hopfield http://en.wikipedia.org/wiki/Hopfield_network No hay mucha información general disponible sobre cómo funcionan y qué hacen '. es bueno para, por lo que es mejor buscar a través de notas de conferencias de la universidad y Google Scholar para los documentos. Una vez más, la razón es que la mayoría de esta investigación no ha salido de la academia porque es muy difícil usarla para resolver problemas reales. –
Puede consultar AI Dynamic game difficulty balancing para varias técnicas y referencias de AI.
(OMI, se puede poner en práctica comportamientos enemigas, como "rodear al enemigo", que va a ser muy fresco, sin ahondar en los conceptos avanzados AI)
edición: ya que usted está haciendo un juego de disparos en el espacio y quieres algún tipo de IA para tus enemigos, creo que encontrarás interesante este enlace: Steering Behaviors For Autonomous Characters
Esto es interesante. Parece que al menos podría diseñar un juego para ofrecer una dificultad dinámica con una red neuronal que descubra cuándo los jugadores se están divirtiendo. – RCIX
¿Ha considerado que es fácilmente posible modificar un FSM en respuesta a un estímulo? Es solo una tabla de números después de todo, puedes mantenerla en la memoria en alguna parte y cambiar los números sobre la marcha. Escribí sobre esto un poco en uno de mis alergias alimentados por el blog, y extrañamente fue recogido por algún sitio de noticias Game AI. Entonces, el tipo que construyó una IA de la Sra. Pacman que podía vencer a los humanos y obtener noticias reales dejó un comentario en mi blog con un enlace a información aún más útil
aquí está mi publicación de blog con mis divagaciones incoherentes sobre alguna idea tuvo que usar cadenas de markov para adaptarse continuamente a un entorno de juego, y tal vez superponer y combinar algo que la computadora ha aprendido sobre cómo el jugador reacciona ante situaciones de juego.
http://bustingseams.blogspot.com/2008/03/funny-obsessive-ideas.html
y aquí está el enlace al recurso asombroso acerca de aprendizaje por refuerzo que mr. smarty mcpacman publicado para mí.
http://www.cs.ualberta.ca/%7Esutton/book/ebook/the-book.html
Aquí hay otro enlace interesante
http://aigamedev.com/open/architecture/online-adaptation-game-opponent/
Estos no son aproximaciones a la red neural, sino que se adaptan continuamente y aprender, y son probablemente más adecuados para los juegos que las redes neuronales.
enfoque interesante y voy a ver esos enlaces – RCIX
Te referiré a dos de los libros de Matthew Buckland.
El segundo libro entra en backpropagation ANN, que es lo que la mayoría de las personas quieren decir cuando hablan de NN todos modos.
Dicho esto, creo que el primer libro es más útil si quieres crear un juego de inteligencia artificial significativo. Hay una buena sección carnosa sobre el uso de FSM con éxito (y sí, es fácil tropezarse con un FSM).
Odio derribarte, pero las máquinas de estados finitos son mucho más fáciles de programar y equilibrar, manejan situaciones inusuales _más_ y la solución común para la IA de juegos. Consulte http://au.gamespy.com/pc/fear/698080p1.html –
Lo siento, quise vincularlo a esta página - MIEDO A AI - cómo lo hicieron (una gran lectura, al menos buscar ideas) http: //web.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf –
Estoy seguro de que preferiría algo más que FSM. Pueden ser fácilmente burlados con el tiempo suficiente, entonces ya no es divertido jugar más. Con una red neuronal que está aprendiendo constantemente, posiblemente podría adaptarse a las tácticas enemigas. Además de eso, si aún crees que es una mala idea, trátalo como una cuestión académica. – RCIX