AI and Pathfinding CS 4730 Computer Game Design - PowerPoint PPT Presentation

AI ¡and ¡Pathfinding ¡ CS ¡4730 ¡– ¡Computer ¡Game ¡Design ¡ ¡ Some ¡slides ¡courtesy ¡Tiffany ¡Barnes, ¡NCSU ¡ CS ¡4730 ¡

AI ¡Strategies ¡ • ReacAon ¡vs. ¡DeliberaAon ¡ • When ¡having ¡the ¡NPC ¡make ¡a ¡decision, ¡how ¡ much ¡thought ¡goes ¡into ¡the ¡next ¡move? ¡ • How ¡is ¡the ¡AI ¡different ¡in: ¡ – Frozen ¡Synapse ¡ – Kingdom ¡Hearts ¡ – CivilizaAon ¡ – Halo ¡ CS ¡4730 ¡ 2

AI ¡Strategies ¡ • ReacAon-­‑Based ¡ – Fast, ¡but ¡limited ¡capabiliAes ¡ • ImplementaAons ¡ – Finite-­‑State ¡Machines ¡ – Rule-­‑Based ¡Systems ¡ – Set ¡PaVern ¡ CS ¡4730 ¡ 3

AI ¡Strategies ¡ • DeliberaAon-­‑Based ¡ – Much ¡slower, ¡but ¡more ¡adaptable ¡ • ImplementaAons ¡ – A* ¡/ ¡Dijkstra ¡ – Roadmaps ¡ – GeneAc ¡Algorithms ¡ CS ¡4730 ¡ 4

DeliberaAon ¡ • Goal ¡is ¡to ¡emphasize ¡making ¡the ¡best ¡possible ¡ decision ¡by ¡searching ¡across ¡all ¡possibiliAes ¡ • Thus, ¡deliberaAon ¡tends ¡to ¡use ¡various ¡search ¡ algorithms ¡across ¡data ¡structures ¡that ¡contain ¡ the ¡opAon ¡space ¡ CS ¡4730 ¡ 5

“Sense ¡– ¡Plan ¡– ¡Act” ¡ • Sense ¡(or ¡perceive) ¡a ¡sufficiently ¡complete ¡ model ¡of ¡the ¡world ¡ • Plan ¡by ¡searching ¡over ¡possible ¡future ¡ situaAons ¡that ¡would ¡result ¡from ¡taking ¡various ¡ acAons ¡ • Act ¡by ¡execuAng ¡the ¡best ¡course ¡of ¡acAon ¡ • Each ¡possible ¡outcome ¡is ¡effecAvely ¡scored ¡by ¡ a ¡“metric ¡of ¡success” ¡that ¡indicates ¡whether ¡ the ¡choice ¡should ¡be ¡taken ¡or ¡not ¡ CS ¡4730 ¡ 6

DeliberaAve ¡vs. ¡ReacAve ¡ • These ¡are ¡NOT ¡mutually ¡exclusive! ¡ • You ¡can ¡have ¡reacAve ¡policies ¡for ¡immediate ¡ threats ¡ ¡ – Incoming ¡PC ¡fire ¡ – Environmental ¡destrucAon ¡ • And ¡you ¡can ¡have ¡deliberaAve ¡policies ¡for ¡long-­‑ term ¡planning ¡ – Build ¡orders ¡and ¡posiAoning ¡ CS ¡4730 ¡ 7

Core ¡QuesAons ¡ • How ¡do ¡you ¡represent ¡knowledge ¡about ¡the ¡ current ¡task, ¡environment, ¡PC, ¡etc? ¡ • How ¡do ¡you ¡find ¡acAons ¡that ¡allow ¡the ¡goal ¡to ¡ be ¡met? ¡ CS ¡4730 ¡ 8

Knowledge ¡RepresentaAon ¡ • A ¡decision ¡tree ¡is ¡a ¡common ¡way ¡to ¡represent ¡ knowledge ¡ • The ¡root ¡node ¡is ¡the ¡current ¡state ¡of ¡the ¡game ¡ state ¡WRT ¡the ¡NPC ¡/ ¡AI ¡ • Thus, ¡deliberaAve ¡AI ¡techniques ¡are ¡effecAvely ¡ versions ¡of ¡search ¡and ¡shortest-­‑path ¡ algorithms! ¡ CS ¡4730 ¡ 9

Tic-­‑Tac-­‑Toe ¡ • What ¡is ¡the ¡decision ¡tree ¡for ¡Tic-­‑Tac-­‑Toe? ¡ CS ¡4730 ¡ 10

The ¡Goal ¡State ¡ • The ¡objecAve ¡of ¡the ¡decision ¡tree ¡model ¡is ¡to ¡ move ¡from ¡the ¡iniAal ¡game ¡state ¡(root ¡of ¡the ¡ tree) ¡to ¡the ¡goal ¡state ¡of ¡the ¡NPC ¡ – What ¡might ¡a ¡goal ¡state ¡be? ¡ • When ¡searching ¡through ¡the ¡decision ¡tree ¡ space, ¡which ¡path ¡do ¡we ¡take? ¡ CS ¡4730 ¡ 11

Cost ¡and ¡Reward ¡ • Every ¡choice ¡has ¡a ¡cost ¡ – Ammo ¡ – Movement ¡ – Time ¡ – Increase ¡vulnerability ¡to ¡aVack ¡ • Every ¡choice ¡has ¡a ¡reward ¡ – Opportunity ¡to ¡hit ¡PC ¡ – Capture ¡a ¡strategic ¡point ¡ – Gain ¡new ¡resources ¡ CS ¡4730 ¡ 12

Minimax ¡Algorithm ¡ • Find ¡the ¡path ¡through ¡the ¡decision ¡tree ¡that ¡ yields ¡the ¡best ¡outcome ¡for ¡one ¡player, ¡ assuming ¡the ¡other ¡player ¡always ¡makes ¡a ¡ decision ¡that ¡would ¡lead ¡to ¡the ¡best ¡outcome ¡ for ¡themselves ¡ CS ¡4730 ¡ 13

Naïve ¡Search ¡Algorithms ¡ • Breadth-­‑First ¡Search ¡ – At ¡each ¡depth, ¡explore ¡every ¡opAon ¡at ¡the ¡next ¡ depth ¡ • Depth-­‑First ¡Search ¡ – Fully ¡explore ¡one ¡possible ¡path ¡to ¡its ¡“conclusion”, ¡ then ¡backtrack ¡to ¡check ¡other ¡opAons ¡ • What ¡are ¡the ¡problems ¡with ¡these ¡techniques ¡ in ¡gaming? ¡ CS ¡4730 ¡ 14

Breadth-­‑First ¡Search ¡ • Expand ¡ Root ¡node ¡ – Expand ¡all ¡ Root ¡node ’ s ¡children ¡ • Expand ¡all ¡ Root ¡node ’ s ¡grandchildren ¡ Root Root Child2 Child1 Root • Problem: ¡Memory ¡size ¡ Child2 Child1 GChild1 GChild2 GChild3 GChild4 CS ¡4730 ¡

Uniform ¡Cost ¡Search ¡ • Modify ¡Breadth-­‑First ¡by ¡expanding ¡cheapest ¡ nodes ¡first ¡ • Minimize ¡ g(n) ¡ cost ¡of ¡path ¡so ¡far ¡ Root Child2 Child1 GChild2 GChild3 GChild4 GChild1 9 5 3 8 CS ¡4730 ¡

Depth ¡First ¡Search ¡ • Always ¡expand ¡the ¡node ¡that ¡is ¡deepest ¡in ¡the ¡ tree ¡ Root Root Child1 Child1 Root GChild1 GChild2 Child1 GChild1 CS ¡4730 ¡

Adding ¡a ¡HeurisAc ¡ • Simple ¡definiAon: ¡a ¡heurisAc ¡is ¡a ¡“mental ¡ shortcut” ¡to ¡ignore ¡non-­‑useful ¡states ¡to ¡limit ¡ the ¡search ¡space ¡and ¡make ¡the ¡decision ¡tree ¡ more ¡reasonable ¡ • What ¡metrics ¡might ¡we ¡use ¡to ¡determine ¡“the ¡ value” ¡of ¡a ¡potenAal ¡opAon? ¡ • What ¡metrics ¡might ¡we ¡use ¡to ¡determine ¡“the ¡ cost” ¡of ¡a ¡potenAal ¡opAon? ¡ CS ¡4730 ¡ 18

Adding ¡a ¡HeurisAc ¡ • CreaAng ¡an ¡AI ¡heurisAc ¡forms ¡the ¡basis ¡of ¡how ¡ the ¡NPCs ¡will ¡behave ¡ – Will ¡they ¡ignore ¡enemies ¡that ¡are ¡farther ¡than ¡X ¡ away? ¡ – Will ¡they ¡avoid ¡water? ¡ – Will ¡they ¡always ¡move ¡in ¡the ¡straightest ¡path ¡to ¡the ¡ PC? ¡ CS ¡4730 ¡ 19

Cheaper ¡Distance ¡First! ¡ CS ¡4730 ¡ 20

Greedy ¡Search ¡ • Expand ¡the ¡node ¡that ¡yields ¡the ¡minimum ¡cost ¡ ¡ – Expand ¡the ¡node ¡that ¡is ¡closest ¡to ¡target ¡ – Depth ¡first ¡ – Minimize ¡the ¡funcAon ¡ h(n) ¡the ¡heurisAc ¡cost ¡ funcAon ¡ CS ¡4730 ¡

Greedy ¡Search ¡ CS ¡4730 ¡ 22

Greedy ¡Search ¡ CS ¡4730 ¡ 23

Greedy ¡Search ¡ • Greedy ¡gives ¡us ¡(ojen) ¡a ¡sub-­‑opAmal ¡path, ¡but ¡ it’s ¡really ¡cheap ¡to ¡calculate! ¡ • How ¡can ¡we ¡improve ¡on ¡this? ¡ • Add ¡another ¡aspect ¡to ¡the ¡funcAon ¡– ¡the ¡cost ¡ of ¡the ¡node ¡+ ¡the ¡heurisAc ¡distance ¡ CS ¡4730 ¡ 24

A* ¡ • A ¡best-­‑first ¡search ¡(using ¡heurisAcs) ¡to ¡find ¡the ¡ least-­‑cost ¡path ¡from ¡the ¡iniAal ¡state ¡to ¡the ¡goal ¡ state ¡ • The ¡algorithm ¡follows ¡the ¡path ¡of ¡lowest ¡ expected ¡cost, ¡keeping ¡a ¡priority ¡queue ¡of ¡ alternate ¡path ¡segments ¡along ¡the ¡way ¡ CS ¡4730 ¡ 25

A* ¡Search ¡ • Minimize ¡sum ¡of ¡costs ¡ • g(n) ¡+ ¡h(n) ¡ – Cost ¡so ¡far ¡ + ¡heurisAc ¡to ¡goal ¡ • Guaranteed ¡to ¡work ¡ – If ¡ h(n) ¡does ¡ not ¡overesBmate ¡cost ¡ • Examples ¡ – Euclidean ¡distance ¡ CS ¡4730 ¡

A* ¡ CS ¡4730 ¡ 27

A* ¡ CS ¡4730 ¡ 28

A* ¡ CS ¡4730 ¡ 29

NavigaAon ¡Grid ¡ CS ¡4730 ¡ 30

Pathfinding ¡in ¡“real ¡life” ¡ • These ¡algorithms ¡work ¡great ¡when ¡the ¡game ¡is ¡ grid ¡based ¡ – Square ¡grid ¡ – Hex ¡grid ¡ • For ¡more ¡“open” ¡games, ¡like ¡FPSs: ¡ – Path ¡nodes ¡are ¡placed ¡on ¡the ¡map ¡that ¡NPCs ¡can ¡ reach ¡ – NavigaAon ¡mesh ¡layers ¡are ¡added ¡over ¡the ¡terrain ¡ – Ojen ¡done ¡automaAcally ¡in ¡advanced ¡engines ¡ CS ¡4730 ¡ 31