绝悟AI参展游戏开发者大会,AI深入游戏产业全链路

全球游戏行业年度盛会“2021游戏开发者大会”(英文:Game Developers Conference,简称GDC)于近日举办。7月22日,腾讯AI Lab在大会亮相,首次全面展示了以“绝悟”为代表的AI技术在游戏产业全链路中的研究与应用能力,介绍了AI提高游戏开发效率、打造新玩法、辅助游戏平衡性测试等案例经验,并分享了AI驱动虚实融合的思考与探索。

AI技术在游戏全链路的研究与应用包含两部分,在横向上覆盖游戏制作、运营及周边生态全生命周期,提升游戏品质,丰富玩家体验;在纵向上AI正拓展更多元的游戏品类,如围棋、麻将等棋牌类,足球等体育类,以及多人在线战术竞技(简称MOBA)、第一人称射击(简称FPS)等复杂策略类游戏。

同时,AI的不断进化正使之超越游戏场景,推动“元宇宙”(英文:Metaverse)概念的落地。简单来说,“元宇宙”是虚拟世界与现实世界的无缝结合。就像电影《头号玩家》中的绿洲,用户在虚拟与现实中自由穿梭,感受前所未有的体验,创造无限可能。

AI应用深入游戏全生命周期

创建“元宇宙”面临很多挑战:要具备无限逼近现实的极高品质,空间巨大、开放且能无限拓展;可探索的内容要足够多样乃至无穷,从而匹配现实世界中的体验维度等。如何应对这些挑战?AI技术正在提供答案,并在“元宇宙”的基础场景游戏行业中得到验证。

在游戏前期的制作环节,AI高效低成本的特点,使之成为优秀的生产者。用户的虚拟分身和NPC(英文:non-player character)要具有独特性,就要有不同的面孔、服饰、声音甚至性格特征。而传统方法生成 NPC 的成本很高,制作一分钟的人物动画需要耗费数天。

腾讯AI Lab持续探索低成本地、大规模生产个性化 NPC 的相关技术。在视觉上,通过AI对抗生成网络实现“千人千面”,快速生成高保真 AI NPC,搭配不同的发型和妆容,为创建海量角色奠定基础。

解决人脸问题之后是人物行为。腾讯AI Lab整合文字转语音的前沿研究,生成自然语音,同步驱动嘴型、表情等面部变化,达到高度逼真。

AI NPC可做出高拟真表情

最后,利用相位神经网络技术控制人物运动,将原本数周工作量减少到几小时。AI 在大量的运动数据集上学习人体动作,将捕获的运动数据与场景地形数据相匹配,完成准确、流畅的动作反应,如行走、跑步、跳跃等。

AI辅助生成游戏角色动作

在游戏中,AI既是运营者也是陪伴玩家的智能伙伴。AI能扮演玩家的对手或队友,提供创新玩法,不断丰富游戏活力。而作为管理者,AI能为玩家智能匹配合适的队友,接管掉线玩家,还能利用自然语言处理等技术,在监测到不当发言时予以屏蔽,维护良好的对局环境。

在游戏周边,AI也在支持电竞训练分析、直播解说及集锦自动生成等更广泛的应用,不断创新行业生态。总之,AI正在为游戏全生命周期中的更多环节,创造全新价值。

QQ截图20210726134606.png

AI应用深入游戏全生命周期

“绝悟”AI为不同类型游戏带来全新价值

腾讯AI Lab自2017年开始研发策略协作型AI“绝悟”,在本次GDC大会上,实验室介绍了AI“绝悟”在两类热门游戏的实战应用成果,包括MOBA游戏“王者荣耀”,及FPS游戏“使命召唤”与“穿越火线”手机版。

MOBA游戏:完全体AI与平衡性测试应用

基于王者荣耀的“王者绝悟”AI 经过多次迭代,已成为达到职业电竞水平的“完全体”,掌握100+全英雄池,全召唤师技能,无任何限制、数值加成、无额外视野,操作反应也与职业选手相当,保证公平对抗。“王者绝悟”不仅具备强大的策略协作与微观操作能力,还擅长多样化打法与全局禁选英雄策略。相关强化学习研究成果也已登上AI国际顶会与顶刊。

2020年,“王者绝悟”在王者荣耀游戏内向用户限时开放,接受玩家5v5组队挑战,单次运营活动就吸引了超过4千万玩家参与体验并广受好评。不少用户与主播还将对局制作成生动有趣的视频,在社交媒体和视频平台发布传播,形成AI-用户-社区的正向反馈。

此次大会上,“绝悟”还首次公开了AI辅助英雄平衡性测试的技术成果。MOBA游戏核心玩法在于多样化的英雄选择和战斗体验,从而增加不确定性与趣味性。一旦某些英雄过强或过弱,就会破坏玩家体验,因此保持每个英雄胜率50%左右是王者荣耀平衡性系统的目标。

然而平衡性测试系统非常复杂,不仅涉及大量英雄,且每个英雄都有独特的技能、属性、玩法,英雄之间还存在互动,任何微小的变化都会产生意想不到的连锁反应影响,评估系统变化相当困难。

传统的平衡性测试是调整数值后在测试服上验证,周期较长,每个英雄测试大约需要1-2个月。此外,由于正式服和测试服玩家的真实能力和游戏心态不一致,会导致测试结果不准确。

在解决准确性问题上,绝悟AI通过强化学习的方法来模仿真实玩家,包括发育、运营、协作等指标类别,以及每分钟手速、技能释放频率、命中率、击杀数等具体参数,让AI更接近正式服玩家真实表现,将测试的总体准确性提升到95%。

在提高测试效率方面,绝悟AI通过分布式平台和推理优化节省了大量的时间。分布式平台支持大规模并发测试,开发者只需要输入英雄的修改数值,平台就会在短时间内自动输出测试报告。推理优化则通过模型剪裁、量化、自研推理框架来减少模型的计算量和加快推理速度,实现3小时完成20万场对局。

FPS游戏:全游戏能力与拟人化技术

对于FPS类型游戏来说,NPC的拟人化是AI研究的核心目标。在游戏内,势均力敌的战斗胜利才会带来公平感和成就感。因此 AI 既不能强如开挂,也不能呆若木鸡,更拟人化的 AI 才能提升玩家体验。

在游戏领域之外,FPS 游戏拟人化 AI 也具有非常重要的研究价值。不同于总是通过俯视角进行的棋盘游戏和 MOBA 游戏等游戏类别,FPS 等第一人称游戏往往基于三维立体的游戏场景,更类似于真实世界。在这样的虚拟环境中训练出的拟人化AI,更能反映人类在真实环境下的表现,从而可以帮助AI理解人类在真实环境中的行为,为以后的通用能力应用铺路。

在本次大会上,腾讯AI Lab也分享了AI在FPS类游戏中的拟人化能力与技术方法。

第一步是让AI掌握全游戏能力,即能够完成游戏中的任何任务。以“吃鸡”模式为例,玩家的目标是“活到最后”,关键任务包括,区域探索、收集武器和装备,进入安全区并与敌人战斗等。

传统方法的游戏开发通常使用行为树模型设计AI,然而,这种“穷举法”只能产生有限和固定行为模式。而采用强化学习方法,则可以通过从0到1,完成端到端训练,通过观察设计、模型设计、行动空间设计和奖励机制,实现高智能AI。

QQ截图20210726135011.png

三个AI合作击败对手

掌握全游戏能力后,第二步就要提升AI的拟人化表现。试想我们自己作为玩家处于游戏中战斗场景,会选择站在什么位置?用哪把枪?命中率如何?回答这些问题对普通玩家已不容易,对AI来说也同样困难。

腾讯AI Lab采用对抗学习的技术探索解决 AI 拟人化难题。首先需要输入两组数据,一是高质量的人类脱敏数据,二是前述通过强化学习方法训练而成的 AI NPC 数据。然后,两者数据再经过鉴别器区隔,并输出一套内在奖励机制,激励AI不断向人类行为靠拢。

基于拟人化AI研究,腾讯AI Lab与《穿越火线》手机版合作打造了“明星玩法”——挑战职业选手。AI通过模仿职业选手,掌握他们的典型个人风格,玩家则感觉像在与真实的职业选手对抗。该玩法上线后大受欢迎,对局数量较平时平均数提升了3-4倍。

AI模仿职业选手打法风格,左上为职业选手,右下为AI

超越游戏,AI驱动虚实结合的无限可能

从虚拟世界到现实世界,游戏为AI提供了低成本的学习环境,训练AI逐步进化为通用人工智能,从而在现实世界中发挥越来越重要的作用。

比如在虚拟环境中模拟现实任务,让自动驾驶汽车在不同条件下模拟行驶,效率高、成本低,也更安全。再如,腾讯利用仿真环境与强化学习算法,推进机器人及数据中心节能技术等研究与应用。

同时,从现实世界到虚拟世界,AI正在成为“元宇宙”基础设施,逐步构建更高品质、更开放、更沉浸和更多样的虚拟世界,突破内容和空间的局限性,创造前所未有的体验与机遇。