AI Agents in Gaming: From NPCs to Strategic AI

• Podstawowe zrozumienie koncepcji programowania
• Znajomość narzędzi lub frameworków do tworzenia gier
• Podstawowa znajomość zasad sztucznej inteligencji

Odbiorcy

• Twórcy gier
• Entuzjaści sztucznej inteligencji

Agenci AI zrewolucjonizowali gry, zapewniając inteligentne i responsywne zachowania, od postaci niegrywalnych (NPC) po strategiczne systemy decyzyjne. Ten kurs bada tworzenie agentów AI w grach, zagłębiając się w podstawowe tematy, takie jak drzewa decyzyjne, algorytmy znajdowania ścieżek i techniki uczenia się ze wzmocnieniem.

Ten prowadzony przez instruktora trening na żywo (online lub na miejscu) jest skierowany do średnio zaawansowanych twórców gier i entuzjastów sztucznej inteligencji, którzy chcą skutecznie zintegrować agentów AI z aplikacjami do gier.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zrozumieć rolę agentów AI w nowoczesnych grach.
• Rozwijać systemy podejmowania decyzji przy użyciu drzew decyzyjnych i skończonych maszyn stanowych.
• Wdrażać algorytmy odnajdywania ścieżek, takie jak A*, do nawigacji w grze.
• Stosować techniki uczenia ze wzmocnieniem do tworzenia adaptacyjnych zachowań AI.
• Optymalizacja wydajności AI dla środowisk gier w czasie rzeczywistym.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie do sztucznej inteligencji w grach

• Przegląd zastosowań sztucznej inteligencji w grach
• Rodzaje agentów AI: Bohaterowie niezależni, strategiczna sztuczna inteligencja i nie tylko
• Kluczowe koncepcje w rozwoju sztucznej inteligencji w grach

Systemy podejmowania decyzji

• Wdrażanie drzew decyzyjnych dla prostej logiki AI
• Maszyny stanów skończonych dla złożonych zachowań
• Drzewa zachowań i modułowy projekt sztucznej inteligencji

Wyznaczanie ścieżek i nawigacja

• Zrozumienie algorytmów odnajdywania ścieżek
• Implementacja algorytmu A* do nawigacji w grze
• Optymalizacja odnajdywania ścieżek dla dużych map

Uczenie się przez wzmacnianie Reinforcement Learning w grach

• Wprowadzenie do koncepcji uczenia ze wzmocnieniem
• Szkolenie agentów AI przy użyciu uczenia Q i głębokich sieci Q
• Projektowanie struktur nagród dla zachowań adaptacyjnych

Optymalizacja wydajności sztucznej inteligencji

• Techniki optymalizacji wydajności sztucznej inteligencji w czasie rzeczywistym
• Zarządzanie zasobami i ustalanie priorytetów zadań AI
• Debugowanie i rozwiązywanie problemów z systemami sztucznej inteligencji

Zaawansowane techniki sztucznej inteligencji

• Proceduralne generowanie zawartości przy użyciu sztucznej inteligencji
• Symulowanie zachowań podobnych do zachowań graczy
• Integracja sztucznej inteligencji z grami wieloosobowymi

Przyszłe trendy w sztucznej inteligencji w grach

• Sztuczna inteligencja i uczenie maszynowe w grach nowej generacji
• Kwestie etyczne w sztucznej inteligencji w grach
• Opowiadanie historii i projektowanie narracji oparte na sztucznej inteligencji

Podsumowanie i kolejne kroki