Projektowanie zespołowe systemów informatycznych

Raport

Temat: Implementacja AI jednostek oraz badanie jak ilość jednostek myślących wpływa na płynność gry i w jaki sposób optymalizować AI w grze RTS

Dariusz Jędrzejczak, TGSI, 201208

W ramach badań powyższego tematu zaimplementowany został system AI za pomocą dostępnych w Unreal Engine mechanizmów:

• NavMeshe (siatki nawigacyjne), czyli struktury danych służące do wykrywania ścieżek w przestrzeni, upraszczające ją do obszarów 2D określonych wypukłymi wielokątami
• Postacie AI -- przechowują m.in. informacje o szkielecie służącym do animacji modelu postaci, animacje, bryły kolizyjne, komponent ruchu z parametrami takimi jak maksymalna szybkość ruchu
• Blackboardy przechowujące dane (takie jak cel ataku i jego pozycja) potrzebne konkretnej instancji kontrolera AI, do której odwołuje się drzewo zachowań
• Kontrolery AI -- powiązane z postaciami; służą do kontrolowania postaci AI m.in. przez ustawianie zmiennych na ich Blackboardach i uruchamianiu drzewa zachowań
• Drzewa zachowań, określające warunki, sposoby i kolejność wykonywanych przez postacie AI zachowań; drzewa zachowań składają się z węzłów, którymi mogą być selektory, sekwencje lub zadania (liście drzewa); selektory i sekwencje określają kolejność oraz warunki przerwania wykonywania węzłów; zadania oznaczają konkretne zachowania postaci AI; ponadto sekwencje i selektory posługują się usługami (uruchamianymi z daną częstotliwością) oraz dekoratorami (określającymi warunki wykonania węzłów)

Do implementacji użyty został system blueprintów (skryptów wizualnych Unreal Engine). Pozostałe cechy gry zaimplementowane w ramach tej części projektu:

• Podział jednostek na 2 frakcje i ich rozróżnienie (należące do gracza i nie)
• Wyświetlanie poziomu życia i zadawanych obrażeń
• Parametry jednostek takie jak punkty życia, szybkość, atak
• Zaznaczanie jednostek gracza

Sztuczna inteligencja każdej jednostki opiera się głównie na poniższym prostym drzewie zachowań:

Najbardziej istotne elementy tego drzewa to:

Inicjująca je usługa AgroCheck, która jest wywoływana co 0.5 s i służy do wykrywania celu, który dana jednostka ma zaatakowaći i określania jej położenia.

Zadanie RapidMoveTo, które odpowiada za przemieszczenie jednostki w kierunku celu.

Zadanie AI_Attack, które powoduje zaatakowanie celu i zadanie mu obrażeń zgodnie z parametrami jednostek, jak również wyświetlenie zadanych obrażeń.

Wpływ liczby jednostek AI na płynność gry

Płynność została określona przez zmierzenie czasu generowania jednej klatki gry w milisekundach. Ten czas jest ograniczony przez czas wykonywania jednego z trzech wątków:

Game (CPU game thread -- wątek gry; na wykresach GT), Draw (CPU render thread -- wątek renderowania na CPU; RT) lub GPU (GPU -- wątek GPU; GPU). Żeby zmierzyć wpływ AI na czas generowania klatki, chcemy doprowadzić do sytuacji, w której ograniczającym wątkiem jest CPU game thread. Żeby zminimalizować wpływ wątku GPU, rendering jednostek został wyłączony do pomiarów. Na wykresach widać, że czas wykonywania wątku gry został praktycznie zrównany z czasem wątku renderingu.

Wyniki

Czas wykonywania poszczególnych wątków dla różnej liczby jednostek AI został przedstawiony na poniższych wykresach.

Czasy wykonania dla 2 jednostek AI; Frame średnio: 22 ms

Czasy wykonania dla 5 jednostek AI; Frame średnio: 23 ms

Czasy wykonania dla 10 jednostek AI; Frame średnio: 25 ms

Czasy wykonania dla 50 jednostek AI; Frame średnio: 35 ms

Czasy wykonania dla 100 jednostek AI; Frame średnio: 49 ms

Czasy wykonania dla 150 jednostek AI; Frame średnio: 49 ms

Czasy wykonania dla 190 jednostek AI; Frame średnio: 50 ms

Średnie czasy wykonania klatki dla poszczególnej liczby jednostek przedstawia poniższy wykres:

Obserwacje i wnioski

Zostało zebranych stosunkowo niewiele punktów danych, ze względu na limit instrukcji generowanych przez jeden blueprint, który ograniczył liczbę możliwych do stworzenia jednostek do 200. Widać jednak, że czas generowania klatki oraz rozbieżności pomiędzy najkrótszym i najdłuższym czasem rosną wraz ze wzrostem liczby jednostek. Wzrost na zbadanym zakresie jest nieliniowy. Rozbieżności są spowodowane tym, że AI każdej jednostki jest aktywowane w interwałach 0.5 s (w takich odstępach odbywa się przechodzenie po drzewie zachowań). Wówczas obserwujemy wzrost czasu generowania klatki.

Optymalizacja

W celu optymalizacji sztucznej inteligencji i zredukowaniu spadku płynności gry ze wzrostem jednostek można zastosować następujące techniki:

• Zwiększyć interwały AI
• Dostosować interwały AI do istotności postaci AI (np. bliskości od gracza)
• Użyć C++ zamiast Blueprintów do implementacji
• Nie obliczać (dokładnie) AI dla niewidocznych agentów
• Oddzielić AI od mechanizmów silnika (zoptymalizowana dla przypadku implementacja; np. bez drzew zachowań)