— AI分享站

Archive
程序员心情

football city stars online logo

官方网站由此进入

《全民足球》是育碧开发的首款休闲类网络游戏。游戏以街头足球为主题,基于城市街区的真实地图概念,支持8名玩家进行同场竞技。游戏拥有独一无二的角色扮演加足球竞技的游戏模式,玩家可创建各具特点的角色球员,通过比赛和任务,提升其属性技能和天赋,获取奖励和成就。玩家并可基于所在城市街区创建足球俱乐部,和同城玩家一起创造辉煌。

拥有高品质全物理运算的核心游戏性,支持2对2, 3对3和4对4玩家间比赛,3大游戏模式: 单人训练, 自由对战和组队对战,守门员为AI。

玩家可以按自己喜好创建球员角色,自定义项包括性别、场上位置、惯用脚、身高、肤色、脸型、发型和着装等。

玩家也可以在游戏内商店购买其他服装和形象来装扮角色。

独一无二的角色扮演+足球游戏模式,3个球员职业: 前锋, 中场和后卫,6大球员属性: 力量, 速度, 传球, 射门, 带球和防守,每个只有拥有各具特色的技能和天赋。

所有的角色系统均可按玩家喜好升级。

团队配合可以增加士气能量。当士气槽积满后, 会触发团队高潮时刻,在团队高潮时刻, 球员属性会大幅提升, 部分技能也会触发更强大更炫酷的动作。

任务系统有一系列目标任务让玩家在了解游戏的同时获得经验和游戏币。主线剧情任务帮助玩家从玩家从普通球员成为一个球星。

真实地图系统在游戏中内建了和真实世界一致的地图,让玩家更容易和同城同区的其他玩家进行游戏。

玩家从自己所在的街区开始游戏, 通过角色升级逐步探索所在城市乃至世界。

其他社交功能包括: 好友系统, 聊天, 邮箱, 足球俱乐部系统等。

玩家可以在游戏内商店购买服装, 道具, 技能等物品,在购买服装前可以进行试穿。玩家同样可以把商品作为礼物赠送给其他玩家。

————————————————————————
作者:Finney
Blog:AI分享站(http://www.aisharing.com/)
Email:finneytang@gmail.com
本文欢迎转载和引用,请保留本说明并注明出处
————————————————————————

Read More

前段日子,和以前大学的同窗们聚会,很多人都是好久未见,有些人也是难得从国外回来一次,大家相聊甚欢,说说近况如何云云。

正巧,有个人现在在美国某著名大学读PHD,而且主要研究的是人工智能相关,那我作为一个AI程序员,对她研究的东西自然也就要打听一番。聊了一点之后,发现学术的东西还真是学术,和我现在在做的非常的不同,不仅偏向于理论,而且门类非常的窄。虽然,这也是在我的预料之中的,虽然,我在游戏行业里对AI技术摸爬滚打了几年,但还是不得不感叹:此AI非彼AI。

游戏中用到的AI技术,不管从架构还是实现上,较之于学术上的AI研究来说,都是相当简单的东西了。当然,不是说游戏AI不追求前沿,这也是有原因的,首先游戏AI技术的发展,和其他游戏技术一样,也是依赖于硬件的发展,在红白机时代,受硬件所限很难处理复杂的AI逻辑,所以看以前的游戏,AI大多是简单的if-else逻辑,或者简单的脚本化的逻辑为主。随着游戏硬件的处理速度越来越快,AI才可以越来越多的用到一些稍稍复杂或者高级的技术。

其次就是游戏对于处理速度的要求是相当之追求的,如果一个60帧的游戏,那一帧的处理时间就是16毫秒左右,在这之中分给AI的时间一般也就是6~8毫秒(视具体要求和如何划分AI而定)。所以游戏的AI很难选用一些,虽然很强劲,但很费时的算法,而我们知道,学术上的一些人工智能的研究,它的一些算法是很费时间的,这也就导致了很多学术上的研究并不能直接给游戏AI所用。

还有,就是可控性和灵活性。人工智能的极致就是极度的拟真,让人感觉不出这个是由程序算出来的结果,对于学术研究来说,这个是他们所最求的目标,但游戏的AI不同,拟真只是一个方面,游戏的AI是为游戏服务的,拥有一个拟真的AI的游戏,并不一定是一个好玩的游戏。所以有时,游戏的AI会作假,会不断的根据设计的要求调整,所以,游戏AI技术一般是注重于模块化的,灵活的架构,而不是拟真的算法。就拿神经网络来说,20世纪40年代就提出了神经网络的基本概念和雏形,做为一种学习型的算法和结构,可以说非常吸引人。但直到现在,我还是很少看到游戏中用神经网络作为主要的AI架构的,归根结底,就是它并不符合我提到的可控性和灵活性的要求。作为一个游戏的AI架构来说,太难以掌控和调式了。在游戏中,我所看到的一些运用到神经网络的地方,还是在一些语音识别的处理上。当然,可能以后会有更多的发展和运用,但就我现在的感觉来说,游戏AI还是需要具备可控性和灵活性的特点。

当然,不少游戏AI技术,也是取自于从学术研究。比如现在很多游戏用到的HTN(Hierarchical task network),中文翻译应该叫“层次化的任务网络”,就是一种实时的做计划(Plan)的系统,类似的学术研究其实从20世纪70年代就开始了,现在经过各种发展,慢慢的也应用到了游戏中了,而且不管从性能,还是最后的效果来看,还是很不错的。随便说一句,类Planner的AI系统,这也是我将来会重点学习和研究的地方。

游戏AI和游戏中的3D技术很不一样,3D技术经常是能把一些最新的研究带入进来,呈现出极其真实的画面,但游戏AI,就像我前面所说的那样,一方面要考虑的计算量的问题,更重要的是,它是为游戏服务的,所以好的游戏AI可能被学院派所不屑(因为并没有艰深的理论和算法),但它确实常常能表现出极佳的游戏性,这不是正是我们做游戏的人来说,最追求的吗? :)

所以,此AI非彼AI,不过多接触和了解一些前沿的AI研究,对于拓宽思路还是很有益的,最后,推荐一本书,《人工智能的未来》,记得当初读的时候,是通宵读完的,而且兴奋的满脑子都是里面的字句。真是非常有意思的书,我想,大家看完也会有种豁然和不一样的感觉。

————————————————————————
作者:Finney
Blog:AI分享站(http://www.aisharing.com/)
Email:finneytang@gmail.com
本文欢迎转载和引用,请保留本说明并注明出处
————————————————————————

Read More

做一个AI程序员是比较痛苦的事情,如果是看别人写的AI的代码,那更是痛苦至极。AI代码的可读性通常不会很高,里面充斥着莫名的算法,一大堆的经验数据,奇怪的逻辑。任何一项,都会使人觉得崩溃。AI的代码一般都是游戏相关的,而且随着design的改变而改变,正是这种特化,使得AI一般都很难有一个Engine的概念(貌似现在游戏里,网络,渲染,物理,声音,界面都有一个通用的框架模型了)。

当然,我这里说的AI更广义一些,包括了Gameplay的所有部分,分割开来说,某些AI模块确实可以有通用的模块,比如,寻路,状态机,行为树等等,但这只是一小部分,而且就算实践起来,这些东西也很容易变成一坨尸米,想起来,其中原因有很多,包括项目组成员对整个框架的理解程度,程序员对标准的坚持程度,初期design的完整性,选用的技术,等等。AI上的一些东西都是在灵活性和规范性上不断的平衡,越灵活的系统,越容易不规范,而规范的系统,程序员又会觉得处处受制,如果能在这两点上取得一个平衡,那真可称之为完美。

我一直对next-gen的AI系统很有兴趣,也对AI Engine的实现充满幻想,它能提供完美的开发界面吗?它能成为一个真正的黑盒吗?它能让design更直观的表达他们的意愿吗?它能和不同的有游戏引擎无缝衔接吗?它能成为AI程序员间的语言吗?真是很期待,不管是看到别人的成果,还是如果以后有幸能为此做出贡献。

————————————————————————
作者:Finney
Blog:AI分享站(http://www.aisharing.com/)
Email:finneytang@gmail.com
本文欢迎转载和引用,请保留本说明并注明出处
————————————————————————

Read More

其实,刚进游戏这个行业,也没有想过要做哪块,毕竟对游戏开发并不熟悉,一开始比较向往做3D,因为游戏给人的第一感觉就是画面,而且不少讲游戏开发的书也是以3D为主。但对一个newbie来说,3D的上手难度会比较大,需要一定时间的学习和积累,我不是计算机系毕业,在大学最多做过的程序是网络,对图形,DX基上是一窍不通,也是后来看了点书才慢慢有了点概念。

说道为什么后来会没有选择3D,而是选择AI,也许和我去法莫道不消魂国的培训有一定的关系,在那边的培训主要针对的就是GPP,进行了很多次的讨论,学习了一些比较流行的AI架构,比如Fear,Halo。再者就是正好上海这边有一个原创项目,需要AI的Engineer,而且当时这个项目也处于research阶段,可以有比较充分的时间学习,讨论和思考,有了这种种之原因,我也就看似比较顺理成章的踏上了游戏AI之路。

最近几年一直在做游戏AI,Title也变成了AI Engineer,一直觉得应该记录点什么,可以认为是总结,也可以作为一种分享。会偏技术一点,会有一些讨论,心得,翻译,转载,欢迎留言批评指正。

————————————————————————
作者:Finney
Blog:AI分享站(http://www.aisharing.com/)
Email:finneytang@gmail.com
本文欢迎转载和引用,请保留本说明并注明出处
————————————————————————

Read More