ellibsЭлектронные библиотекиRussian Digital Libraries Journal1562-5419Казанский (Приволжский) федеральный университет10.26907/1562-5419-2020-23-5-1044-1057ellibs-247Research ArticleСтатьиРазработка плагина поведения NPC для игрового движка UnityNpc Behavior Plugin Development for Game Engine UnityПаренюкЛ. Н.ParenyukL. N.parenyukln@gmail.comКугураковаВ. В.KugurakovaV. V.vlada.kugurakova@gmail.com.Казанский (Приволжский) федеральный университетHigher School ITIS. Kazan Federal University20202810202023510441057Copyright © Паренюк Л.Н., Кугуракова В.В., 20202020Паренюк Л.Н., Кугуракова В.В.Parenyuk L.N., Kugurakova V.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://ellibs.elpub.ru/jour/article/view/247

Существуют различные подходы для создания искусственного интеллекта в играх, и каждый имеет как и плюсы, так и недостатки. В настоящем исследовании описана собственная реализация задания поведения NPC с использованием алгоритмов машинного обучения, которые будут связаны со средой Unity в режиме реального времени. Такой подход может быть применен при разработке игр.

There are various approaches for creating artificial intelligence in games, and each has both advantages and disadvantages. This study describes an authoring implementation of the NPC behavior task using machine learning algorithms that will be associated with the Unity environment in real time. This approach can be used in game development.

искусственный интеллект в играхповедение агентовразработка игрUnitypythonmachine learningAINPCscikit-learnReferencesБакиров А.Р., Костюк Д.И., Лазарев Е.Н., Хафизова А.Р. Опыт создания неигровых персонажей в виртуальных мирах // Электронные библиотеки. 2016. T. 19. № 6. C. 502–520.Бакиров А.Р., Костюк Д.И., Лазарев Е.Н., Хафизова А.Р. Опыт создания неигровых персонажей в виртуальных мирах // Электронные библиотеки. 2016. T. 19. № 6. C. 502–520.Juliani A., Berges V., Vckay E., Gao Y., Henry H., Mattar M., Lange D. Unity: A General Platform for Intelligent Agents / Open-source library // 2018. URL: https://github.com/Unity-Technologies/ml-agentsJuliani A., Berges V., Vckay E., Gao Y., Henry H., Mattar M., Lange D. Unity: A General Platform for Intelligent Agents / Open-source library // 2018. URL: https://github.com/Unity-Technologies/ml-agentsJuliani A. Introducing: Unity Machine Learning Agents Toolkit // 2017. URL: https://blogs.unity3d.com/2017/09/19/introducing-unity-machine- learning-agents/Juliani A. Introducing: Unity Machine Learning Agents Toolkit // 2017. URL: https://blogs.unity3d.com/2017/09/19/introducing-unity-machine- learning-agents/Tang W., Lai J. Enhancing Agent Intelligence with Behavior Duplication // Advanced Materials Research. 2012. Vols. 403–408. P. 1266–1269.Tang W., Lai J. Enhancing Agent Intelligence with Behavior Duplication // Advanced Materials Research. 2012. Vols. 403–408. P. 1266–1269.Hugunin J. IronPython / Open-source library // 1st ver. 2006: last ver. 2018. URL: https://ironpython.netHugunin J. IronPython / Open-source library // 1st ver. 2006: last ver. 2018. URL: https://ironpython.netScikit-learn / Open source library // 1st ver. 2007: last ver. 2020. URL: https://scikit-learn.orgScikit-learn / Open source library // 1st ver. 2007: last ver. 2020. URL: https://scikit-learn.orgPedregosa F. et al. Scikit-learn: Machine Learning in Python // Journal of Machine Learning Research (JMLR 12). 2011. P. 2825–2830.Pedregosa F. et al. Scikit-learn: Machine Learning in Python // Journal of Machine Learning Research (JMLR 12). 2011. P. 2825–2830.Li Y., Xu D.-W. A Game AI based on ID3 Algorithm // Conference: 2016 2nd International Conference on Contemporary Computing and Informatics. 2016. P. 681–687.Li Y., Xu D.-W. A Game AI based on ID3 Algorithm // Conference: 2016 2nd International Conference on Contemporary Computing and Informatics. 2016. P. 681–687.De Freitas J.M., De Souza F.R., Bernardino H.S. Evolving Controllers for Mario AI Using Grammar-based Genetic Programming // IEEE Congress on Evolutionary Computation (CEC). 2018. P. 1–8.De Freitas J.M., De Souza F.R., Bernardino H.S. Evolving Controllers for Mario AI Using Grammar-based Genetic Programming // IEEE Congress on Evolutionary Computation (CEC). 2018. P. 1–8.ITIS-DML-M2020-ParenyukLN. (2020) Python Unity Research [демонстрационная видеозапись] // YouTube. 9 марта 2020. – (https://www.youtube.com/watch?v=4AqrpTxCXYk).ITIS-DML-M2020-ParenyukLN. (2020) Python Unity Research [демонстрационная видеозапись] // YouTube. 9 марта 2020. – (https://www.youtube.com/watch?v=4AqrpTxCXYk).Плагин поведения NPC для игрового движка UNITY / Project repository // 2020. – URL: https://github.com/parenyukln/pyton-unity-researchПлагин поведения NPC для игрового движка UNITY / Project repository // 2020. – URL: https://github.com/parenyukln/pyton-unity-researchC.-U. Lim, R. Baumgarten, S. Colton, C. Di Chio, S. Cagnoni, C. Cotta, M. Ebner, A. Ekárt, A.I. Esparcia-Alcazar, C.-K. Goh, J.J. Merelo, F. Neri, M. Preuß, J. Togelius, G.N. Yannakakis. Evolving behaviour trees for the commercial game defcon // Applications of Evolutionary Computation, Berlin, Heidelberg: Springer Berlin Heidelberg. 2010. P. 100–110.C.-U. Lim, R. Baumgarten, S. Colton, C. Di Chio, S. Cagnoni, C. Cotta, M. Ebner, A. Ekárt, A.I. Esparcia-Alcazar, C.-K. Goh, J.J. Merelo, F. Neri, M. Preuß, J. Togelius, G.N. Yannakakis. Evolving behaviour trees for the commercial game defcon // Applications of Evolutionary Computation, Berlin, Heidelberg: Springer Berlin Heidelberg. 2010. P. 100–110.D Roguelike tutorial // Unity Technologies. 2015. URL: https://learn.unity.com/project/2d-roguelike-tutorialD Roguelike tutorial // Unity Technologies. 2015. URL: https://learn.unity.com/project/2d-roguelike-tutorial

The authors declare that there are no conflicts of interest present.