Master-Thesis

1. Master-Thesis Entwicklung einer Game AI zur realistischen Lasterzeugung in verteilten Massively Multiplayer Online Games Damian A. Czarny, B. Sc. Betreuer: Max Lehn, M. Sc.

2. Gliederung • Motivation (3) • Verwandte Ansätze (2) • Grundlagen (4) • Design (4) • Demo (1) • Evaluation (3) • Fazit (1) • Quellen (1) Präsentation

3. Motivation – Beispielszenario (1/3) Beispielszenario • Entwicklung eines Massively Multiplayer Online Games (MMOG) • Features: • 3D-Open Word Third Person Shooter mit Raumschiffen im Weltraum • Revolutionäres Gameplay und atemberaubende Action • Free-to-Play • Ziel: Spielerzahlen und Erfolg eines World of Warcraft • Problem: Kosten der Serverfarm ! Bildquelle:http://i.telegraph.co.uk/multimedia/archive/01582/dollars_1582317c.jpg Client/Server-Architektur Peer-to-Peer-Architektur Bildquelle:http://www.freesoftwaremagazine.com/files/nodes/2483/networks.jpg

4. Motivation – Aufgabenstellung (2/3) Benchmarking-Methodik Netzwerklast Anforderungen • Ziel: Vergleichbarkeit von P2P-Overlay-Netzwerken ermöglichen • Entwicklung eines Testbed-Systems für Large-scale Distributed Systems • Notwendigkeit der Belastung der zu evaluierenden P2P-Overlay-Netzwerke • Synthetische Generierung einer Netzwerklast die • reproduzierbar • skalierbar • realistisch und • konfigurierbar bzw. kalibrierbar ist

5. Motivation – Aufgabenstellung (3/3) P2P-Gaming-Overlay Benchmarking • Bestandteil der P2P-Benchmarking-Methodik • Vorgehensweise: Evaluation mittels Planet PI4 und Discrete Event Game Simulator • Aufgabe: Realisierung der Netzwerklast mittels kontext-sensitiver AI-Spieler in Planet PI4

6. Verwandte Ansätze – Lasterzeugung (1/2) Methoden der Lasterzeugung • Direkte Benutzung von statischen Game-Traces (Spielaufzeichnungen) • Vorteil: Realistisch und Reproduzierbar • Nachteil: Keine Skalierung und Konfigurierung möglich • Verwendung von Mobility-Modellen • Vorteil: Skaliert und Konfigurierbar • Nachteil: Mangelnder Realismus • Verwendung von Behavior-Modellen • Vorteil: Realistischer als Mobility-Modelle • Nachteil: Immer noch nicht realistisch genug

7. Verwandte Ansätze – Beispiele (2/2) • Echte Game-Traces einer Quake 2-Partie [Q3] • Random Waypoint Mobility Model (RWP) [Q3] • Networked Game Mobility Model (NGMM) [Q3]

8. Grundlagen – Rationaler Agent (1/4) Rationaler Agent • „Alles, was eine Umgebung (Environment) über Sensoren (Sensors) wahrnehmen kann und in dieser Umgebung über Aktuatoren (Actuators) handelt.“ Stuart Russell [Q2] • Einfache Reflex-Agenten: Aktionsauswahl basiert nur auf aktueller Wahrnehmung und wird durch Condition-Action-Rules modelliert. Decision Making Basierend auf [Q1] und [Q2}

9. Grundlagen – Rationaler Agent (2/4) Rationaler Agent • „Alles, was eine Umgebung (Environment) über Sensoren (Sensors) wahrnehmen kann und in dieser Umgebung über Aktuatoren (Actuators) handelt.“ Stuart Russell [Q2] • Modellbasierte Reflex-Agenten: Es wird ein interner Zustand und ein Weltmodell verwaltet, um nicht beobachtbare Aspekte zu modellieren. Decision Making World Model Basierend auf [Q1] und [Q2}

10. Grundlagen – Rationaler Agent (3/4) Rationaler Agent • „Alles, was eine Umgebung (Environment) über Sensoren (Sensors) wahrnehmen kann und in dieser Umgebung über Aktuatoren (Actuators) handelt.“ Stuart Russell [Q2] • Zielbasierte Agenten: Anhand des Weltmodells und des internen Zustandes beeinflusst eine Zielfunktion die Aktionsauswahl. Decision Making World Model Basierend auf [Q1] und [Q2}

11. Grundlagen – Rationaler Agent (4/4) Rationaler Agent • „Alles, was eine Umgebung (Environment) über Sensoren (Sensors) wahrnehmen kann und in dieser Umgebung über Aktuatoren (Actuators) handelt.“ Stuart Russell [Q2] • Nutzenbasierte Agenten: Zielerfüllung wird auf den Nutzen analysiert um zwischen Aktionen oder Aktionsketten die Ziele erfüllen zu unterscheiden. Decision Making World Model Utility Function Basierend auf [Q1] und [Q2}

12. Design – Game AI-Konzept (1/4) Modellerweiterung • Aufteilung und hierarchische Anordnung der Verantwortlichkeiten in drei Ebenen • Strategisch (langfristig): Konfigurierung und Steuerung der Aktionsauswahl • Taktisch (mittelfristig): Bestimmung der Aktionsauswahl • Operativ (kurzfristig): Ausführung der Aktionsauswahl Strategy Config/Utility Tactic Decision Making • Agentenmodell nach Reynodls [Q4] Operative Steering/Combat

13. Design – Game AI-Konzept (2/4) Nutzenbasierter (rationaler) Agent Agentenmodell nach Reynolds

14. Design – Operative Ebene (3/4) Strategy Config/Utility Tactic Decision Making Operative Steering/Combat

15. Design – Taktische Ebene (4/4)

16. Demo (1/1) Nun folgt eine kleine Demo …

17. Eckdaten Evaluation – Überblick (1/3) • Aufstellung von 13 Metriken zur Messung von Verhalten und Performance • Ablauf neun verschiedener Testszenarien mit dem Discrete Event Game Simulator • Überprüfung verschiedener Simulations- und Bot-Parameter • Vergleich mit der Vorgänger Implementierung: DragonBot

18. Evaluation – Upgrade Point Score (2/3)

19. Evaluation – Realismus (3/3) Simulationsparameter 6. & 7. Testszenario Metrikergebnisse T6 (neuer Bot) Metrikergebnisse T7 (alter Bot) Metrikergebnisse T1-5 (neuer Bot) Metrikergebnisse T8 (alter Bot) KD-Ratio: 90% - 96% KD-Ratio: ca. 80%

20. Sonstige Ergebnisse Evaluationsergebnisse Fazit (1/1) • Wichtige Verhaltensaspekte sind direkt steuer- und konfigurierbar • Realistische Steuerung im Raum und beim Ausweichen von statischen und dynamischen Hindernissen • Performance ist etwas schlechter als die der Vorgänger-Implementierung • Verhalten ist mit dem Simulator reproduzierbar • Game AI-Architektur begünstigt aufgrund der Trennung von Verantwortlichkeiten die Wartung und Weiterentwicklung • Behavior Tree – Implementierung ermöglicht das Denken und Steuern des Bots anhand von Verhaltensweisen

21. Quellen Quellen (1/1) Alexander Nareyek. Review: Intelligent agents for computer games. In Computers and Games, Second International Conference, CG 2000, Japan,Springer, 2000. S. J. Russell and P. Norvig. Künstliche Intelligenz: Ein moderner Ansatz. Pearson Studium, 2nd edition, 2004. Swee Ann Tan, William Lau, and Allan Loh. Networked game mobility model for first-person-shooter games. In Proceedings of 4th ACM SIGCOMM workshop on Network and system support for games, NetGames ’05, 2005. Craig Reynolds. Steering behaviors for autonomous characters, 1999.

22. Danke für Ihre Aufmerksamkeit! Damian A. Czarny, B. Sc. Betreuer: Max Lehn, M. Sc.