在本次論壇上，騰訊遊戲梅田JBOY3樂隊工作室的CoDM和反戰手遊開發負責人於冬分享了“FPS遊戲的AI應用與跨域科技創新探索”的話題，重點介紹了JBOY3樂隊工作室FPS遊戲中擬人化AI和代理動作生成技術的研發突破，以及相關技術在跨域科技創新中的應用和想象。
(騰訊遊戲梅田JBOY3樂隊工作室CoDM、反戰手遊開發負責人於冬發布分享現場)
十年深耕，FPS領域JBOY3樂隊版圖類技術新突破
梅田JBOY3樂隊工作室是騰訊遊戲梅田工作室集團旗下的射擊遊戲研究工作室，為玩家帶來了多款知名的射擊遊戲作品，在FPS領域積累了紮實的研發實力。2015年，JBOY3樂隊推出《穿越火線手遊》，迅速搶占移動射擊遊戲市場。2019年，由JBOY3樂隊和動視暴雪聯合開發的《使命召喚》手遊在全球範圍內發行，並接連獲得國內外多項行業大獎，其中包括TGA年度最佳手遊。早在2012年，JBOY3樂隊戰隊的前身、騰訊遊戲的林朗天空工作室(後與梅田藝遊工作室合並)自研射擊團隊就推出了騰訊首款自研全模式射擊網遊《逆戰》，也是國內自研FPS網遊的領跑者。目前，JBOY3樂隊的研發過程中仍有許多新的旅遊。2022年，“反戰”IP的UE4科幻PVE射擊新遊戲《反戰手遊》也首次曝光。
(騰訊梅田JBOY3樂隊工作室的網絡遊戲產品)
(在研究拍攝PVE的科幻產品《反戰手遊》)
回到AI技術，尤其是深度學習的發展，無疑為遊戲行業的R&D進程和提升玩家體驗的路徑開辟了許多新的可能性。但由於FPS遊戲往往采用3D立體場景，且遊戲具有環境復雜、視覺不完整、敵多友多、環境利用多樣性高等特點，FPS AI技術的研究難度相對於2D和2.5D遊戲增加了壹個數量級。帶著這些挑戰，JBOY3樂隊和騰訊的AI專家團隊開始了深度學習在FPS遊戲中的首次嘗試。
攜手騰訊AI Lab ***開發行業領先的FPS擬人化AI。
自2018起，JBOY3樂隊工作室攜手騰訊AI實驗室，開始了以擬人化AI為核心目標的技術探索。面對3D環境帶來的AI學習復雜性挑戰，騰訊AI Lab與遊戲端聯合團隊逐步攻克了3D環境感知擬人、3D操作擬人等技術難關，率先實現了業界領先的全地圖FPS AI方案，可解決長序列決策、進行遠程規劃並具備掩體轉移利用能力。
2020年，《穿越火線手遊》首款劇情互動和競技新模式《電競傳奇》上線。團隊通過AI分析大量職業選手的真實遊戲，模擬還原他們在遊戲中的操作。這樣，CF手遊的職業玩家，如、滿滿、阿康等。，已經陸續植入遊戲，玩家可以隨時和這些高手玩1v1。
2022年，使命召喚手遊還推出了5v5電競挑戰模式。當年獲得職業大師賽冠軍的Q9戰隊被量身打造為遊戲中的AI角色。玩家可以組隊挑戰基於職業選手數據訓練的“AI阿凡達”戰隊，體驗電競賽場上巔峰對決的競技樂趣。
結合騰訊機器人X實驗室的“智能體動作生成技術”，雙向賦能遊戲和機器人領域。
JBOY3樂隊的PvE射擊產品《對戰手遊》在AI動作生成技術領域取得了壹定的突破。在PvE遊戲中的戰鬥、成長、探索中，Boss、黑道、NPC等大量角色的表現和戰鬥非常重要，是為玩家提供沈浸式內容體驗的核心組成部分。業內傳統的動作方案主要是狀態機，更多的依賴於龐大的行為樹和動畫資源。近年來，壹些海外制造商已經開始實踐更先進和更高效的發電方案。比如fistful dollars采用了FIFA 22使用的動作匹配、HyperMotion等前沿探索的技術。
反戰手遊團隊把動作生成的研究方向放在了ARNN(auto regressive neural network)模型上，即自回歸神經網絡算法模型。該算法廣泛應用於時間序列數據的分析和處理，常用於天氣、股市預測等場景。簡單來說，如果能用於動作領域，就可以通過大量真人訓練，捕捉輸入數據，讓AI模型預測的動作序列幀的下壹幀，最終生成完整自然的動作。
Arnn(自回歸神經網絡)模型
自2019開始，反戰手遊聯手騰訊機器人X實驗室，在ARNN模型研究的基礎上，開始並逐步完成遊戲和機器人領域的交叉技術“智能體動作生成技術”的研發。該技術基於ARNN模型原理，通過動作學習捕捉數據，通過數據驅動的自適應算法，NPC或機器人可以根據玩家操作或環境變化等不同的外界反應，自動生成更像真實生物的動作、反應和表情。
這有望成為自回歸神經網絡算法在網絡遊戲動作生成領域的首次真正應用。在研發過程中，最大的難點在於如何將算法應用到網遊制作的生態中:團隊從零到壹構建了配套的工具鏈，在動作捕捉、動畫預處理、持續訓練、優化三個步驟上進行了大量的投入和研究。面對網絡遊戲中AI動作生成的網絡同步和性能優化問題，研究人員采用了軌跡匹配技術、集成動畫和相應的算法解決方案來優化整體性能和神經網絡推理的代價，並取得了非常好的性能測試結果。
對於“反戰手遊”來說，新技術的應用將伴隨著遊戲中更自然的基本動作表現和更刺激、更沈浸的戰鬥體驗。同時，這項技術還可以在播放器封裝尺寸優化和R&D生產率提高方面提供幫助。現場，於冬分享了壹些技術效果。可以看到，在采用該技術的多名暴徒同屏追逐的動畫中，AI實時生成的暴徒動作非常生動多樣。
代理動作生成技術下同屏多怪追逐效果的指示
智能體的動作生成技術在機器人領域的跨行業應用中也取得了優異的表現和進步。這項技術也應用在騰訊機器人X實驗室自主研發的四足機器人Max上。壹方面幫助機器人提升思維能力，使其在不斷的訓練下，實現更加自然流暢的運動軌跡和更加精細的粒子運動的智能生成、控制和決策；另壹方面，借助實時物理仿真技術，研究團隊可以在遊戲中快速建立逼真、復雜、多樣的機器人虛擬訓練場景，遊戲引擎的加速能力可以大大縮短機器人的訓練過程和時間。
騰訊自主研發四足機器人Max。
目前在申請過程中的代理動作生成技術有多項專利。未來在遊戲領域，這壹技術可能會被重用於更真實的遊戲整體動作生成，推動行業技術和用戶體驗的雙重進步；在遊戲之外的現實世界中，隨著機器人自研的進壹步發展，它也可能有機會在科研、養老、惠民服務等跨領域行業創造更大的價值。
用遊戲技術讓機器人更“聰明”
暢想FPS AI新生態，展望人工智能新時代。
在本次論壇上，於冬也表達了對遊戲AI技術未來發展的壹些思考。
其中壹個想象是在R&D過程中自動測試人工智能。測試自動化程度是DevOps領域非常重要的指標，但邏輯復雜、內容含量高的PvE遊戲很難在工業軟件層面實現自動化測試。
但在未來，當AI逐漸具備對環境和氛圍的感知能力、實時分析能力，以及對測試邊界和條件的獨立決策能力時，或許這壹場景會成真:通過輸入壹個任務，AI就能像真人壹樣在遊戲中執行指令和探索經驗，還能生成詳細的測試和反饋報告。這將大大提高遊戲測試的質量和效率，助推遊戲質量的保障和提升。
另壹個想象是關於AI NPC生態，這也是最近業界非常熱的話題。比如今年有壹篇名為《生成智能體》(Generative Agents)的論文，描述了斯坦福大學和谷歌研究人員在壹個“虛擬小鎮”中對25個AI智能體進行“自主生存”的實驗，引起了業界的極大關註和討論。當AI壹步步發展，能夠擁有更多增強的自然語言、行為決策和社交能力，或許在虛擬世界中構建壹個真實的AI NPC自運行生態並不是幻想。
生成代理生成代理:人類行為的交互式模擬
新壹代遊戲已經站在了變革的風口浪尖。AI為遊戲的開發和創作帶來了廣闊的想象空間。我們也期待在技術的演進下，國產遊戲能夠不斷推動前沿探索並實現突破，創造出更多獨特、真實、深度的遊戲虛擬世界。到那壹天，我們也相信遊戲AI+技術必然會打破傳統場景，帶來現實世界無限跨領域技術創新的可能。