Upload
nara
View
29
Download
1
Embed Size (px)
DESCRIPTION
Master-Thesis. Entwicklung einer Game AI zur realistischen Lasterzeugung in verteilten Massively Multiplayer Online Games. Damian A. Czarny, B. Sc. Betreuer: Max Lehn, M. Sc. Gliederung. Motivation (3) Verwandte Ansätze (2) Grundlagen (4) Design (4) Demo (1) Evaluation (3) Fazit (1) - PowerPoint PPT Presentation
Citation preview
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 1 / 22
Master-Thesis
Entwicklung einer Game AI zur realistischen Lasterzeugung in verteilten Massively Multiplayer
Online Games
Damian A. Czarny, B. Sc. Betreuer: Max Lehn, M. Sc.
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 2 / 22
Präsentation
Gliederung
I. Motivation (3)
II. Verwandte Ansätze (2)
III. Grundlagen (4)
IV. Design (4)
V. Demo (1)
VI. Evaluation (3)
VII. Fazit (1)
VIII. Quellen (1)
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 3 / 22
Beispielszenario
• Entwicklung eines Massively Multiplayer Online Games (MMOG)
• Features:
• 3D-Open Word Third Person Shooter mit Raumschiffen im Weltraum
• Revolutionäres Gameplay und atemberaubende Action
• Free-to-Play
• Ziel: Spielerzahlen und Erfolg eines World of Warcraft
• Problem: Kosten der Serverfarm !
I. Motivation – Beispielszenario (1/3)
Client/Server-Architektur Peer-to-Peer-ArchitekturBildquelle: http://www.freesoftwaremagazine.com/files/nodes/2483/networks.jpg
Bildquelle: http://i.telegraph.co.uk/multimedia/archive/01582/dollars_1582317c.jpg
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 4 / 22
Benchmarking-Methodik
• Ziel: Vergleichbarkeit von P2P-Overlay-Netzwerken ermöglichen
• Entwicklung eines Testbed-Systems für Large-scale Distributed Systems
• Notwendigkeit der Belastung der zu evaluierenden P2P-Overlay-Netzwerke
I. Motivation – Aufgabenstellung (2/3)
Netzwerklast Anforderungen
• Synthetische Generierung einer Netzwerklast die
• reproduzierbar
• skalierbar
• realistisch und
• konfigurierbar bzw. kalibrierbar ist
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 5 / 22
I. Motivation – Aufgabenstellung (3/3)
P2P-Gaming-Overlay Benchmarking
• Bestandteil der P2P-Benchmarking-Methodik
• Vorgehensweise: Evaluation mittels Planet PI4 und Discrete Event Game Simulator
• Aufgabe: Realisierung der Netzwerklast mittels kontext-sensitiver AI-Spieler in Planet PI4
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 6 / 22
II. Verwandte Ansätze – Lasterzeugung (1/2)
Methoden der Lasterzeugung
• Direkte Benutzung von statischen Game-Traces (Spielaufzeichnungen)
• Vorteil: Realistisch und Reproduzierbar
• Nachteil: Keine Skalierung und Konfigurierung möglich
• Verwendung von Mobility-Modellen
• Vorteil: Skaliert und Konfigurierbar
• Nachteil: Mangelnder Realismus
• Verwendung von Behavior-Modellen
• Vorteil: Realistischer als Mobility-Modelle
• Nachteil: Immer noch nicht realistisch genug
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 7 / 22
II. Verwandte Ansätze – Beispiele (2/2)
Random Waypoint Mobility Model (RWP) [Q3] Networked Game Mobility Model (NGMM) [Q3]
Echte Game-Traces einer Quake 2-Partie [Q3]
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 8 / 22
Rationaler Agent
III. Grundlagen – Rationaler Agent (1/4)
„Alles, was eine Umgebung (Environment) über Sensoren (Sensors) wahrnehmen kann und
in dieser Umgebung über Aktuatoren (Actuators) handelt.“ Stuart Russell [Q2]
• Einfache Reflex-Agenten: Aktionsauswahl basiert nur auf aktueller Wahrnehmung und
wird durch Condition-Action-Rules modelliert.
Decision Making
Basierend auf [Q1] und [Q2}
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 9 / 22
Rationaler Agent
„Alles, was eine Umgebung (Environment) über Sensoren (Sensors) wahrnehmen kann und
in dieser Umgebung über Aktuatoren (Actuators) handelt.“ Stuart Russell [Q2]
• Modellbasierte Reflex-Agenten: Es wird ein interner Zustand und ein Weltmodell
verwaltet, um nicht beobachtbare Aspekte zu modellieren.
Decision Making
World Model
III. Grundlagen – Rationaler Agent (2/4)
Basierend auf [Q1] und [Q2}
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 10 / 22
Rationaler Agent
„Alles, was eine Umgebung (Environment) über Sensoren (Sensors) wahrnehmen kann und
in dieser Umgebung über Aktuatoren (Actuators) handelt.“ Stuart Russell [Q2]
• Zielbasierte Agenten: Anhand des Weltmodells und des internen Zustandes beeinflusst
eine Zielfunktion die Aktionsauswahl.
Decision Making
World Model
Basierend auf [Q1] und [Q2}
III. Grundlagen – Rationaler Agent (3/4)
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 11 / 22
Rationaler Agent
„Alles, was eine Umgebung (Environment) über Sensoren (Sensors) wahrnehmen kann und
in dieser Umgebung über Aktuatoren (Actuators) handelt.“ Stuart Russell [Q2]
• Nutzenbasierte Agenten: Zielerfüllung wird auf den Nutzen analysiert um zwischen
Aktionen oder Aktionsketten die Ziele erfüllen zu unterscheiden.
Decision Making
Utility FunctionWorld Model
III. Grundlagen – Rationaler Agent (4/4)
Basierend auf [Q1] und [Q2}
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 12 / 22
Modellerweiterung
• Aufteilung und hierarchische Anordnung der Verantwortlichkeiten in drei Ebenen
• Strategisch (langfristig): Konfigurierung und Steuerung der Aktionsauswahl
• Taktisch (mittelfristig): Bestimmung der Aktionsauswahl
• Operativ (kurzfristig): Ausführung der Aktionsauswahl
Strategy
Tactic
Operative
Decision Making
Steering/Combat
Config/Utility
IV. Design – Game AI-Konzept (1/4)
Agentenmodell nach Reynodls [Q4]
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 13 / 22
IV. Design – Game AI-Konzept (2/4)
Nutzenbasierter (rationaler) Agent Agentenmodell nach Reynolds
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 14 / 22
IV. Design – Operative Ebene (3/4)
Strategy
Tactic
Operative
Decision Making
Steering/Combat
Config/Utility
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 15 / 22
IV. Design – Taktische Ebene (4/4)
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 16 / 22
Nun folgt eine kleine Demo …
V. Demo (1/1)
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 17 / 22
VI. Evaluation – Überblick (1/3)
Eckdaten
• Aufstellung von 13 Metriken zur Messung von Verhalten und Performance
• Ablauf neun verschiedener Testszenarien mit dem Discrete Event Game Simulator
• Überprüfung verschiedener Simulations- und Bot-Parameter
• Vergleich mit der Vorgänger Implementierung: DragonBot
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 18 / 22
VI. Evaluation – Upgrade Point Score (2/3)
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 19 / 22
VI. Evaluation – Realismus (3/3)
Simulationsparameter 6. & 7. Testszenario
Metrikergebnisse T6 (neuer Bot) Metrikergebnisse T7 (alter Bot)
KD-Ratio: 90% - 96% KD-Ratio: ca. 80%
Metrikergebnisse T1-5 (neuer Bot) Metrikergebnisse T8 (alter Bot)
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 20 / 22
VII. Fazit (1/1)
Sonstige Ergebnisse
• Game AI-Architektur begünstigt aufgrund der Trennung von Verantwortlichkeiten die
Wartung und Weiterentwicklung
• Behavior Tree – Implementierung ermöglicht das Denken und Steuern des Bots anhand
von Verhaltensweisen
Evaluationsergebnisse
• Wichtige Verhaltensaspekte sind direkt steuer- und konfigurierbar
• Realistische Steuerung im Raum und beim Ausweichen von statischen und
dynamischen Hindernissen
• Performance ist etwas schlechter als die der Vorgänger-Implementierung
• Verhalten ist mit dem Simulator reproduzierbar
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 21 / 22
Quellen
(1) Alexander Nareyek. Review: Intelligent agents for computer games. In Computers and Games, Second International Conference, CG 2000, Japan,Springer, 2000.
(2) S. J. Russell and P. Norvig. Künstliche Intelligenz: Ein moderner Ansatz. Pearson Studium, 2nd edition, 2004.
(3) Swee Ann Tan, William Lau, and Allan Loh. Networked game mobility model for first-person-shooter games. In Proceedings of 4th ACM SIGCOMM workshop on Network and system support for games, NetGames ’05, 2005.
(4) Craig Reynolds. Steering behaviors for autonomous characters, 1999.
VIII. Quellen (1/1)
22.10.2012 | Fachbereich Informatik | Databases and Distributed Systems | Damian A. Czarny, B. Sc | 22 / 22
Danke für Ihre Aufmerksamkeit!
Damian A. Czarny, B. Sc. Betreuer: Max Lehn, M. Sc.