1、神经网络在游戏开发中的应用 GalaSports 成立于2013年,是一家以技术为驱动的游戏公司, 多年来 GalaSports与国际足联、NBA、皇家马德里俱乐部、 巴萨罗那俱乐部等商业伙伴合作,一直致力于为用户提供高 品质体育娱乐体验。目前公司员工300余人,业务遍及70多 个国家和地区。 1.基于深度神经网络的足球游戏AI 2.人脸模型重建与表情捕捉/迁移 3.基于神经网络加速的实时布料模拟 1.基于深度神经网络的足球游戏AI 根据不同的球队整体状态,例 如进攻状态、回防状态执行整 体战术 球员根据自己的状态(体力、 位置)作出决策,例如:拦截、 抢点、回防等等 根据球员的决策和球员能力
2、状 态作出符合物理的动作 足球弹道计算 球员的非刚体和骨骼铰链物理 群体决策AI 球员决策AI 身体物理模型 物理引擎 体育游戏AI架构 状态机, 势力图(Influence Map), 决策树 状态机, 效用函数(Utility Function), 马尔科夫链, 动画图(Motion Graph) 反向动力学, 正向动力学, 布娃娃系统(Rag Doll) Havoc, Physx AI 约束 根据不同的球队整体状态,例 如进攻状态、回防状态执行整 体战术 球员根据自己的状态(体力、 位置)作出决策,例如:拦截、 抢点、回防等等 根据球员的决策和球员能力状 态作出符合物理的动作 足球弹道计
3、算 球员的非刚体和骨骼铰链物理 群体决策AI 球员决策AI 身体物理模型 物理引擎 球员(Agent) 增强学习 环境 奖励局势决策 群体决策AI 球员决策AI 身体物理模型 物理引擎 第一阶段: 从单个Agent学习射门到2个Agent对抗 球门根据收敛情况逐渐缩小 球入门回合结束,奖励球员 第二阶段: 2队逐渐增加多个球员 奖励函数增加过人/正确传球/进球/将球带到前场等多 种评估 第三阶段: 每个球员根据阵型位置设置更细节的奖励函数,例如 前锋的主要奖励是射门,后防的主要奖励是断球 第四阶段: 加入身体物理模型、体力、动作能力等约束 课程式学习(Curriculum Learning): 增强学习的问题: 奖励函数稀疏,难以训练 网络难以从场上球员位置/状态学会合理的进攻/防守战术 多个Agent对抗,只能实现简单团队合作策略 奖励函数在训练后期设计复杂,难调参难收敛 某些行为看起来
1、下载报告失败解决办法 2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,就可以正常下载了。 3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。 4、本站报告下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰。
2018年深度学习在游戏研发中的应用.pdf
9-3 机器学习在游戏业务安全中的应用.pdf
新机器学习与深度学习在遥感图像分类中的应用.pdf
于子叶-深度学习在科学研究中的应用.pdf
2019年深度学习在企业智能交互中的应用.pdf
2017年深度学习在自然语言处理中的应用.pdf
2019年机器学习在LBS中的应用.pdf
2018年深度学习平台开发和应用.pdf
人工智能深度学习在智慧水利中应用研究.pdf
三个皮匠报告专业的行业报告下载站,每日更新,欢迎大家关注!
copyright@2008-2013 长沙景略智创信息技术有限公司版权所有 网站备案/许可证号:湘B2-20190120
专属顾问
机构入驻、侵权投诉、商务合作
三个皮匠报告官方公众号
验证即登录,未注册将自动创建三个皮匠报告账号
使用 微信 扫一扫登陆