Abstract—Current approaches to adap

Abstract—Current approaches to adaptive game AI typically require
numerous trials to learn effective behavior (i.e., game adaptation
is not rapid). In addition, game developers are concerned that
applying adaptive game AI may result in uncontrollable and unpredictable
behavior (i.e., game adaptation is not reliable). These
characteristics hamper the incorporation of adaptive game AI in
commercially available video games. In this paper, we discuss an
alternative to these current approaches. Our alternative approach
to adaptive game AI has as its goal adapting rapidly and reliably
to game circumstances. Our approach can be classified in the area
of case-based adaptive game AI. In the approach, domain knowledge
required to adapt to game circumstances is gathered automatically
by the game AI, and is exploited immediately (i.e., without
trials and without resource-intensive learning) to evoke effective
behavior in a controlled manner in online play. We performed experiments
that test case-based adaptive game AI on three different
maps in a commercial real-time strategy (RTS) game. From our results,
we may conclude that case-based adaptive game AI provides
a strong basis for effectively adapting game AI in video games.

ผลลัพธ์ (ไทย) 1:

นามธรรม — ปัจจุบันยื่นแบบอะแดปทีฟเกม AI ปกติต้อง
จำนวนมากทดลองเพื่อศึกษาลักษณะการทำงานมีประสิทธิภาพ (เช่น เกมปรับ
ไม่อย่างรวดเร็ว) นอกจากนี้ นักพัฒนาเกมเกี่ยวข้องที่
ใช้ AI เกมที่เหมาะสมอาจส่งผลใน uncontrollable และคาดเดาไม่
พฤติกรรม (เช่น ปรับตัวเกมไม่น่าเชื่อถือ) เหล่านี้
ลักษณะขัดขวางในการประสานของ AI เกมแบบอะแดปทีฟใน
วิดีโอเกมส์ใช้ได้ในเชิงพาณิชย์ ในเอกสารนี้ เราหารือการ
ทางวิธีเหล่านี้ปัจจุบัน วิธีการสำรองของเรา
เกมปรับ AI มีเป้าหมายการปรับอย่างรวดเร็ว และได้
เพื่อสถานการณ์เกม สามารถแบ่งวิธีการของเราในพื้นที่
ของตามกรณีแบบอะแดปทีฟเกม AI ได้ ในวิธี ความรู้โดเมน
ต้องปรับตัวรับกับสถานการณ์เกมถูกรวบรวมโดยอัตโนมัติ
โดย AI เกม และสามารถทันที (เช่น ไม่มี
ทดลอง โดยไม่มีการเรียนรู้ทรัพยากรมาก) ให้มีประสิทธิภาพที่เรามอบให้
พฤติกรรมในลักษณะที่ควบคุมในการเล่นออนไลน์ เราดำเนินการทดลอง
ที่ใช้ทดสอบกรณีแบบอะแดปทีฟเกม AI ในสามแตกต่าง
แผนที่ในเกมกลยุทธ์การค้าแบบเรียลไทม์ (อาร์ทีเอส) จากผลของเรา,
เราอาจสรุปได้ว่า ตามกรณีแบบอะแดปทีฟเกม AI ให้
ข้อมูลพื้นฐานที่แข็งแกร่งสำหรับดร. AI เกมในวิดีโอเกมอย่างมีประสิทธิภาพ

ผลลัพธ์ (ไทย) 2:

บทคัดย่อปัจจุบันแนวทางการปรับตัวเกม AI มักจะต้องใช้
การทดลองจำนวนมากที่จะเรียนรู้พฤติกรรมที่มีประสิทธิภาพ (เช่นการปรับตัวเกม
ไม่ได้อย่างรวดเร็ว) นอกจากนี้นักพัฒนาเกมมีความกังวลว่า
การใช้เกมปรับ AI อาจส่งผลให้ไม่สามารถควบคุมและคาดเดาไม่
พฤติกรรม (เช่นการปรับตัวเกมไม่น่าเชื่อถือ) เหล่านี้
ลักษณะขัดขวางการรวมตัวของเกม AI ปรับตัวใน
วิดีโอเกมที่มีอยู่ในเชิงพาณิชย์ ในบทความนี้เราจะหารือถึง
ทางเลือกที่จะใช้วิธีเหล่านี้ในปัจจุบัน วิธีการทางเลือกของเรา
ที่จะปรับตัวเกม AI ได้เป็นเป้าหมายของการปรับตัวขึ้นอย่างรวดเร็วและเชื่อถือได้
กับเกมสถานการณ์ วิธีการของเราสามารถจัดในพื้นที่
ของคดีตามเกม AI ปรับ ในแนวทางความรู้โดเมน
ที่จำเป็นในการปรับตัวเข้ากับเกมสถานการณ์ถูกรวบรวมโดยอัตโนมัติ
โดยเกม AI และเป็นประโยชน์ทันที (เช่นโดย
การทดลองและการเรียนรู้ได้โดยไม่ต้องใช้ทรัพยากรสูง) จะทำให้เกิดประสิทธิภาพใน
การทำงานในลักษณะที่ควบคุมในการเล่นเกมออนไลน์ เราได้ทำการทดลอง
ว่าเกมปรับการทดสอบกรณีที่ใช้ AI ที่แตกต่างกันสาม
แผนที่ในกลยุทธ์เรียลไทม์ในเชิงพาณิชย์เกม (RTS) จากผลของเรา
เราอาจสรุปได้ว่าเกมการปรับตัวกรณีที่ใช้เอไอมี
พื้นฐานที่แข็งแกร่งสำหรับการปรับตัวได้อย่างมีประสิทธิภาพเกม AI ในวิดีโอเกม

ผลลัพธ์ (ไทย) 3:

บทคัดย่อปัจจุบันแนวเกมแบบ AI โดยทั่วไปต้องการ
การทดลองมากมายที่จะเรียนรู้พฤติกรรมที่มีประสิทธิภาพ ( เช่น เกมการปรับตัว
ไม่ใช่อย่างรวดเร็ว ) นอกจากนี้นักพัฒนาเกมมีความกังวลว่า
ใช้เกมแบบ AI อาจส่งผลให้ไม่สามารถควบคุม และไม่อาจคาดเดาพฤติกรรม ( เช่น เกมการปรับตัวเชื่อถือไม่ได้ ) ลักษณะเหล่านี้
ขัดขวางการปรับ AI ในเกม
เกมที่สามารถใช้ได้ในเชิงพาณิชย์วิดีโอ ในบทความนี้เราจะหารือเกี่ยวกับ
ทางเลือกแนวทางในปัจจุบันนี้
วิธีการทางเลือกเกมปรับ AI ได้เป็นเป้าหมายการปรับอย่างรวดเร็วและเชื่อถือได้
สถานการณ์เกม วิธีการของเราสามารถแบ่งออกเป็นพื้นที่
ของเกมแบบกรณีศึกษา AI ในแนวทางความรู้
ต้องปรับตัวให้เข้ากับสถานการณ์ที่เป็นเกมที่รวบรวมโดยอัตโนมัติ
โดยเกม AI และใช้ประโยชน์ได้ทันที เช่น มีการทดลองและไม่มีทรัพยากรการเรียนรู้เข้มข้น

) เพื่อปลดปล่อยที่มีพฤติกรรมในลักษณะที่ควบคุมในการเล่นออนไลน์ เราการทดลอง
ที่ทดสอบกรณีศึกษาแบบ AI ในเกม 3 แผนที่ที่แตกต่างกัน
ในโฆษณากลยุทธ์เรียลไทม์ ( RTS ) เกม จากผลของเรา
เราอาจสรุปว่ากรณีศึกษา AI เกมปรับให้
พื้นฐานที่แข็งแกร่งสำหรับการได้อย่างมีประสิทธิภาพปรับเกม AI ในวิดีโอเกม