Tekoäly Unreal Engine -ympäristössä

Abstract

Tässä työssä tutustutaan Unreal Engine -pelinkehitysohjelman tekoälyyn ja sen ominaisuuksiin. Työn tarkoituksena on kattava tekoälyn arviointi ja ominaisuuksien tutkiminen käytännön esimerkkien avulla. Ohjelman suosio ja ilmainen käyttömahdollisuus mahdollistivat itsenäisen perehtymisen ja työskentelyn aiheen parissa. Työn alussa tekijällä ei ollut aiempaa kokemusta pelinkehitysohjelmista tai tekoälyn kehityksestä.

Tekoäly on Unreal Enginessä tarkoitettu alustavasti kehitettäväksi blueprintmallien avulla, joka on visuaalinen tapa ohjelmoida toimintaa AIentiteeteille eli tekoälyhahmoille ja suorittaa logiikkaa. Nämä blueprint-mallit voidaan suorittaa AI-entiteeteissä ja näistä päällimmäisenä voidaan pitää Behaviour Tree -mallia. Behaviour Tree sisältää keskeisen logiikan ja hierarkian tekoälyn toiminnalle. Sen sisälle voi määritellä tehtäviä, joiden sisältöä pystyy kasvattamaan ja muokkaamaan laajasti ympäristön mahdollisuuksien, kuten kehitettyjen pelimekaniikkojen, rajoissa. Blackboard on tallennuspaikka erilaisille muuttujille, joita Behaviour Tree -näkymästä on mahdollisuus tallentaa Blackboard-avaimina. Blackboardiin tallennetaan avaimet funktioilla, jotka lisätään Behaviour Tree -tehtävien sisään. Blackboardista on näin haettavissa erilaista tietoa esimerkiksi siitä, mitä tekoälyn näköaisti tai kokeilullinen Environmental Query System on havainnut.

Unreal Enginen tekoälyssä nousivat muutamat asiat esille, jotka erottavat sen suunnittelun esimerkiksi keskusteluboteista. Kun keskustelubotit joutuvat tulkitsemaan lauseita tai puhetta, ja teollisuusalan robotit käyttävät sensorien ymmärtämää dataa, kaikki Unreal Enginen data on täydellistä, jolloin tulkintavirhettä ei tapahdu. Tämän ohjelman tekoälyssä esiintyvä hierarkisuus logiikan suorittamisessa on verrattavissa keskustelubottien viestintäketjuihin.

Unreal Enginen tekoälyä kehitetään jatkuvasti, ja se sisältää paljon valmiita ominaisuuksia, joita on mahdollista mukauttaa moniin tarkoituksiin. Tekoälyn maailmaan johdatteluun työ oli erinomainen kokemus. Työssä käytetty ohjelma sekä sen dokumentaatio mahdollistivat laajat mahdollisuudet tekoälyn luomiseen ja arviointiin.

The purpose of this thesis was to evaluate and research AI and its capabilities in Unreal Engine with practical examples. The popularity of Unreal Engine allowed for independent work and research into the role AI plays in it. The work began without prior experience in game development software or AI production.

AI in Unreal Engine is primarily meant to be developed with blueprint models allowing visual development of logic for AI. These blueprint models can be executed in AI-entities and the Behaviour Tree can be considered the manager of the hierarchy in executing these blueprints. Behaviour Trees contain the primary logic for the behaviour of the AI. Inside the Behaviour Tree tasks can be implemented which can do essentially anything within the limits of the 3D-environment and the developed game mechanics. The Blackboard can be considered the brain of the AI, storing and offering information in the form of Blackboard keys. These keys are saved to the Blackboard with the use of functions that are added inside tasks in the Behaviour Tree. From the Blackboard one can, for example fetch the location that the AI Perception or the experimental Environmental Query System has perceived.

AI in this context differed in many ways of chatbots. The main difference was the flawlessness of data. While chatbots need to interpret data from speech or text and industrial robots use the data gathered by sensors, Unreal AI always had access to perfect data whenever it needed it and its senses were meant to simulate human behaviour rather than help gather data from the environment. The hierarchy in logic execution can be compared to the message chains used in chatbots.

Unreal Engine has a large variety of features readily available that are customizable for many different purposes and the AI and its features are being developed further all the time. Further development of many AI mechanics is possible with the systems used and described in this thesis.