PDDL+を使ってアンガーバードのAIを開発中

Angry Birdsは、プレイヤーがスリングショットを使って鳥を構造物に発射し、豚を倒す人気のモバイルゲームだ。このゲームは、動きや衝突の物理学に基づいて意思決定を行う必要があるため、人工知能（AI）にとっては挑戦を提供する。今回の研究では、特定の計画と探索のタイプが、Angry Birdsを効果的にプレイするAIエージェントを作成するのにどう役立つかを見ていく。

#Angry Birdsの課題

ゲームはプレイヤーに慎重に動きを考えることを要求することで知られている。異なるレベルでは異なる戦略が必要で、一部のレベルは簡単であり、他は非常に難しいため、AIソリューションを開発するのに適している。多くのバージョンのAngry Birdsは複雑で、AIが再現するのが難しい高度な推論能力を必要とすることが示されている。

#なぜPDDL+を使うのか？

ゲームをモデル化するために、PDDL+という言語を使う。この言語は、ゲームや他のシステムの簡単な変化と複雑な変化の両方に対応するために設計されている。PDDL+の重要な特徴の一つは、構造物が崩れながら鳥が空を飛んでいるように、異なるタイプのイベントを同時に管理できることだ。

#モデルの作成方法

最初のステップは、Angry Birdsの動作を正確に反映するモデルを作成することだった。鳥や豚、ブロックなど、ゲームの異なる要素をどう表現するかを決める必要があった。それぞれの要素には、耐えられるダメージや移動方法など、自分の特徴がある。

私たちは、鳥がどのように飛び、他のオブジェクトと相互作用するかをモデル化することに集中した。ゲームのいくつかの部分を簡略化することで、効率的に動作するモデルを作成できた。スリングショットは間接的に表現し、鳥がどこから発射されるかをノートしてオブジェクトにしないことにした。

#モデルのゲームダイナミクス

モデルは、鳥がどのように発射され、飛び、豚やブロックとどのように相互作用するかを説明している。Angry Birdsで成功する鍵は、鳥を発射する際の適切な選択をすることだ。モデルは、ターゲットに当たるための重要な速度と角度を考慮して、鳥の発射をシミュレートする。

#イベントと相互作用

ゲームでは、鳥が豚やブロックに当たると多くの相互作用が起こる。鳥が豚に衝突すると、いくつかの結果が発生する。鳥が豚を直接破壊するか、他のオブジェクトを倒して豚を打つかもしれない。この複雑さを捉えるために、これらの相互作用中に発生するさまざまなイベントをモデル化する必要がある。

例えば、鳥が地面に当たると跳ね返ることがある。これは、鳥が表面と相互作用する際の振る舞いを決定するルールを組み込むことでモデル化された。同様に、鳥がTNTの箱に当たったときの爆発の影響もモデル化した。この爆発は近くのオブジェクトにダメージを与える可能性があり、モデルでもそれを捉える必要がある。

#ゲームプレイエージェントの作成

モデルを実行可能なAIエージェントにするために、Hydraというゲームプレイエージェントを作成した。このエージェントはゲームの状態を読み取り、プランナーが理解できるフォーマットに変換する。そこから、Hydraは鳥を効果的に発射する方法を決定して各レベルを解決するためのプランを生成する。

#探索技術

AIはいくつかの探索技術を使って最適な手を見つける。エージェントは、幅優先探索や深さ優先探索などの異なるアルゴリズムを利用できる。課題は、最良の手を特定しながら、探索を効率的に保つことだ。

また、エージェントが解決策を探す方法を改善するための特定の戦略も開発した。一つのアプローチは、スコアに焦点を当て、各手でどれだけの豚やブロックを破壊できるかを考慮する。もう一つの方法は、鳥が豚にどれだけ近く、どのようにその方向に移動するかを見ることだ。

#実験評価

Hydraのパフォーマンスをテストするために、さまざまなAngry Birdsのレベルで他のエージェントと比較した。簡単なレベルから複雑なレベルまでのベンチマークレベルを設定し、オブジェクトの数や必要な戦略を変えた。これにより、Hydraが他の確立されたAIエージェントに対してどのようにパフォーマンスを発揮するかを確認できる。

#結果

評価の結果、Hydraは簡単なレベルでいくつかの以前のエージェントよりも優れていることが示された。しかし、複雑なレベルでは、数多くのオブジェクトや相互作用があってAIが最良の手を見つけるのが難しかった。そのようなレベルでは、特定の戦略を扱うように設計された確立されたエージェントがより良いパフォーマンスを示した。

#結論

この研究では、PDDL+を使用することで、Angry Birdsのような挑戦的なゲームのダイナミクスを捉えることができることを示した。効果的なモデリングと効率的な探索技術の組み合わせは、将来的に似たような問題に取り組むAIの開発に期待を持たせる。

Hydraは成功を収めたが、特に複雑なレベルを扱う上での改善の余地がまだある。今後の研究では、より良い戦略を開発し、Angry Birdsの追加の特徴を含むようにモデルを強化することに焦点を当てる。これには、一部の鳥の特別な力やさまざまな豚のタイプを含めることがあるかもしれない。

この研究を続けることで、ゲームや他の現実のシナリオでのAIエージェントのパフォーマンスを向上させ、複雑な問題を解決し、新しい課題に適応する能力を高めることを目指している。