ШІ для ботів у інді-іграх: Які рішення використовують розробники?

У розробці ігор навіть прості боти потребують певного рівня штучного інтелекту (ШІ). Якщо великі AAA-компанії мають доступ до складних систем і команд спеціалістів, то інді-розробники та малі студії часто обирають простіші, але гнучкі рішення. У цьому пості хочу порушити кілька практичних питань та почути ваш досвід.

Які типи ШІ ви використовуєте? Цікавить, який саме підхід ви застосовуєте для реалізації поведінки ботів:

• Кінцевий автомат (Finite State Machine, FSM) — класичний підхід, зручний у простих сценаріях
• Поведінкові дерева (Behavior Trees, BT) — популярні в Unity, часто використовуються для складніших шаблонів поведінки
• Когнітивні моделі / GOAP — для динамічнішої поведінки та прийняття рішень на основі цілей

Чи створюєте ви все з нуля або використовуєте готові рішення або інструменти ігрового рушія (Unity, Unreal, Godot тощо)?

Чи маєте досвід роботи з комерційними рішеннями для ігрового ШІ? Наприклад:

• Сторонні плагіни для Unity/Unreal
• AI-сервіси з хмарною інтеграцією
• Інструменти, які спрощують налаштування ШІ без потреби писати код

Цікаво дізнатися, що з цього дійсно працює, а що — марна трата часу.

На даний момент немає офіційних стандартів для реалізації ігрового ШІ, але можливо в спільноті вже склалися певні неофіційні чек-листи:

• Адекватність реакції на гравця
• Прогнозована, але не занадто шаблонна поведінка
• Можливість розширення логіки
• Легкість налагодження

Які критерії для «нормального ШІ» ви вважаєте ключовими?

Особливо цікавить досвід тих, хто реалізовує ШІ на JavaScript. Який підхід ви обрали і чому?

Поділіться власними кейсами, улюбленими інструментами та граблями, на які вже встигли наступити. Ваш досвід може стати в пригоді багатьом іншим розробникам.

Буду радий почитати ваші коментарі.

Підписуйтеся на Telegram-канал @gamedev_dou, щоб не пропустити найважливіші статті і новини про геймдев