【游戏AI】高度拟人化AI设计的思考

第一章、顾虑

在竞技游戏中，玩家通常会觉得与AI对战缺乏挑战和乐趣，原因有以下几点：

AI的可预测性

AI通常依赖预设的算法和行为模式来操作，尤其是状态机，有限的状态机切换，其次行为树能稍微复杂点，但也是有迹可循。因此在长期游戏过程中，玩家会逐渐熟悉AI的行为模式并能够轻松预测它们的行动。与之相比，真人玩家的行为往往更加多变和不可预测，增加了游戏的挑战性和新鲜感。强化学习通常会用蒙特卡洛随机或时序差分，多样性会大大丰富，有一定的新鲜感，可满足新手级别体验，以假乱真，高手因为思维活跃和细节熟练太多还是较难模仿。

缺乏社交互动

竞技游戏中的很多乐趣来源于与其他真人玩家的互动，无论是团队合作、策略讨论，还是心理博弈。与AI对战时，玩家无法体验到这种社交互动的乐趣，导致游戏体验的单调。这种互动还是很难做，因为程序总归是模仿人类感情，容易被发现，即是大模型也解决不了。

成就感的缺乏

击败真人玩家通常带来更大的成就感，因为真人玩家可能会使用创造性或策略性的方法进行对抗。打败AI虽然可能也有一定的满足感，但因其往往较容易被击败，且随着时间推移，成就感会逐渐减弱。

技术限制

尽管现代AI技术在不断进步，但很多游戏中的AI仍然难以达到真人玩家的水平。AI在决策上可能显得过于机械，或者在高难度下表现出不公平的“作弊”行为（如精准锁定），这两者都会破坏游戏体验。

竞争性

竞技游戏中的竞争通常是人与人之间的对抗，胜负关系到技能、策略和反应能力的较量。当玩家知道对手是AI时，会觉得自己处于不同的竞争环境中，这可能降低对比赛结果的重视程度和投入感。

社区认同

在许多竞技游戏中，玩家之间存在一种社区认同感和荣誉感。打败真人玩家可以让你在社区中获得认可，而打败AI则无法获得同样的荣誉或满足感。

因此，当玩家发现对手是AI而非真人时，传统的行为树或状态机设计的AI往往让玩家会觉得游戏缺乏挑战和互动的乐趣，只有高度拟人的AI才能让玩家没有这种顾虑。

第二章、 高度拟人化AI行为设计

基础算法

self attention
vision transformer
MAPPO
LSTM
TD
都是强化学习需要的基础算法，不再赘述

设计出发点

以下为出发点，一些细节待我日后再补：

禁止出现行为
拟人行为基础条目
地图点位掌握
单人长线策略
团队配合策略

拟人化具体先验知识

在看不到敌人时，人类总是通过经验来预判，区别高手和新手就在这些方面，高手通过长期练习或者专家经验，快速预判敌人即将出现的点位，然后准心调整预瞄，之后射击反应就是比新人玩家快0.几秒，而这几百毫秒就是致胜关键。而AI暂时不具备这样的策略分析，或者说这种致胜策略对于ai奖励影响不明显，AI很难学到。

所以AI要模仿出来，展示出来预判敌人的感觉，例如：
左右预瞄
掩体小幅度peek
开镜预瞄射击+提前枪
集体静步突击
防守点、没有看见敌人时的扫点
中门对狙
开局的烟雾弹使用：中门、A门、B通封烟
rush 包抄

第三章、高度拟人化AI射击

通过replay或视频录像来反外挂的同事，对正常行为和异常行为，作弊行为非常敏感。
看见敌人后，转动准心，瞄准敌人某些部位，瞄准后开火。
这个简单的过程，AI的行为显得机械化，转向不平滑或转速过快不像人，转向轨迹不连贯，都是不像人的问题。