人工智能在計算機游戲和動畫中的應用

內容概要

本書主要研究人工智能認知建模方法在計算機游戲和動畫中的應用。在“情景演算”(situationcalculus)中融人感知信息，采用“區(qū)間數(shù)學”(intervalarithmetic)表示“不確知性"(uncertainty)，提出在虛擬世界中建立自主角色認知模型的新方法；給出高層非確定性目標導向行為與低層確定性預定義行為相結合的體系結構和實時協(xié)調控制方案，基于復合行動的角色指導與行動規(guī)劃方法，基于決策樹的角色學習與知識獲取方法，基于情景樹自動搜索的行動路徑優(yōu)化方法等。 
   人工智能與計算機圖形學之間的相互結合和相互影響正在迅速地發(fā)展，新的智能自主圖形角色開始普及到游戲、動畫、多媒體、多用戶虛擬世界、電子商務和其他基于Web的活動領域。 
   智能自主圖形角色建模是多方面努力的成果，從底層的幾何模型、物理模型，中間層的生物力學模型到高層的行為模型。本書的主要內容集中研究角色模型“金字塔”頂層的“認知模型”(CM)，利用它使角色知道如何獲取知識，如何利用知識去規(guī)劃行動。 
   在論述認知建模中某些令人感興趣的挑戰(zhàn)性問題時，本書采取了學術研討的方式，目的是希望引起讀者的思考和進一步研究。本書不想成為一本關于計算機游戲工具的手冊。凡具有計算機科學基礎知識的人都可以接受書中的主要概念，某些章節(jié)可能較難，可略過不讀。這樣不會影響內容的連貫性。

作者簡介

John David Funge（方約翰）是iKuni公司的主要科學家和創(chuàng)建者之一，iKuni lnc。是基地在美國硅谷的一家新公司，致力于人工智能在計算機娛樂領域的應用研究和開發(fā)。
    John曾在美國索尼計算機娛樂公司（Sony Computer Entertainment America’s）的研究所（SCEA）工作，在這之前，他是lnter公司微機研究所（MPL）的成員。
    1990年，John獲得英國倫敦皇家學院的數(shù)學學士學位，1991年獲得英國牛津大學計算機科學碩士學位。
    攻讀博士學位期間，John成功地開發(fā)了計算機游戲和動畫中角色高級控制的新方法。他是本書“Al for Games and Animation：A Cognitive Modeling Approach”以及許多科技論文的作者。該書是率先系統(tǒng)地研究人工智能在游戲和動畫中應用方法和技術的專著之一。
    John現(xiàn)在的研究興趣包括計算機動畫、計算機游戲、機器學習、區(qū)間數(shù)學和知識表達。

書籍目錄

第1章  緒論  1.1  認知角色  1.2  領地知識  1.3  角色指導  1.4  知識獲取  1.5  現(xiàn)象論    1.5.1  機器人    1.5.2  實用世界模型    1.5.3  離散化    1.5.4  不確知性  1.6  實現(xiàn)    1.6.1  認知建模語言  1.7  其他模型第2章  背景資料  2.1  幾何模型    2.1.1  基礎    2.1.2  幾何約束    2.1.3  剛體運動    2.1.4  擴展剛體運動    2.1.5  關節(jié)連接體  2.2  運動學控制    2.2.1  關鍵幀    2.2.2  運動步驟控制  2.3  物理模型    2.3.1  變形體物理學    2.3.2  關節(jié)剛體物理學    2.3.3  正向動力學      2.3.4  反向動力學    2.3.5  附加的幾何約束  2.4  非滲透性    2.4.1  碰撞檢測    2.4.2  碰撞解決和靜態(tài)接觸    2.5  生物力學模型    2.5.1  狀態(tài)空間    2.5.2  輸出矢量    2.5.3  輸入矢量    2.5.4  控制函數(shù)    2.5.5  控制函數(shù)綜合  2.6  行為和認知模型  2.7  注釋第3章  領地知識表達  3.1  數(shù)理邏輯    3.1.1  符號    3.1.2  類別  3.2  情景演算    3.2.1  流    3.2.2  資歷問題    3.2.3  效應公理    3.2.4  老框問題    3.2.5  派生問題    3.2.6  定義流    3.2.7  外因行動  3.3  討論  3.4  注釋第4章  感知  4.1  產(chǎn)生知識的行動    4.1.1  知識流    4.1.2  感知    4.1.3  討論  4.2  區(qū)間數(shù)學  4.3  區(qū)間取值的知識流  4.4  非精確感知器  4.5  感知正在變化的值  4.6  正確‘陛    4.6.1  有效性和最優(yōu)性    4.6.2  等價性  4.7  區(qū)間算子  4.8  術語知識  4.9  有用性    4.9.1  實例  4.10  注釋第5章  角色指導  5.1  預定義行為    5.1.1  反應行為規(guī)則    5.1.2  分層有限狀態(tài)機  5.2  目標導向行為    5.2.1  情景樹  5.3  折衷方案    5.3.1  前提條件公理    5.3.2  復合行動    5.3.3  實現(xiàn)  5.4  一個簡單的教學用例：走迷宮    5.4.1  領地知識    5.4.2  角色指導  5.5  討論  5.6  注釋第6章  學習  6.1  機器學習    6.1.1  學習效應公理    6.1.2  學習前提條件公理    6.1.3  學習行為  6.2  創(chuàng)建訓練集    6.2.1  手工輸入    6.2.2  前提條件和效應公理    6.2.3  行為    6.2.4  訓練集大小問題    6.2.5  離散化    6.2.6  挑選屬性  6.3  學習函數(shù)的表達    6.3.1  合并學習函數(shù)    6.3.2  決策樹  6.4  學習算法  6.5  討論  6.6  注釋第7章  系統(tǒng)整合  7.1  預定義行為層  7.2  接口    7.2.1  感知  7.3  磙動向前  7.4  嵌入目標導向行為    7.4.1  容錯    7.4.2  基于優(yōu)先權的控制系統(tǒng)    7.4.3  子目標    7.4.4  實時響應  7.5  智能群體  7.6  注釋第8章  認知建模語言CML  8.1  前提條件公理和效應公理  8.2  復合行動  8.3  討論  8.4  注釋第9章  電影攝影術  9.1  自動電影攝影機    9.1.1  領地知識    9.1.2  角色指導  9.2  實現(xiàn)  9.3  討論  9.4  注釋第10章  史前世界  10.1  史前世界  10.2  效應公理    10.2.1  討論    10.2.2  學習效應公理  10.3  前提條件公理  10.4  角色指導  10.5  實現(xiàn)    10.5.1  實時性能  10.6  討論  10.7  注釋第11章  海底世界  11.1  討論  11.2  概述  11.3  逃避行為    11.3.1  領地知識    11.3.2  角色指導  11.4  成功逃避  11.5  寵物保護    11.5.1  復合行動  11.6  多角混戰(zhàn)  11.7  可見性測試  11.8  低層系統(tǒng)實現(xiàn)    11.8.1  外貌子系統(tǒng)    11.8.2  運動子系統(tǒng)    11.8.3  關節(jié)連接體    11.8.4  感知子系統(tǒng)    11.8.5  行為子系統(tǒng)  11.9  討論  11.10  注釋第12章  結論  12.1  人工智能AI加速卡  12.2  機器人學  12.3  電子商務和Web娛樂  12.4  其他應用  12.5  結論附錄1  關于“認知建模與人工智能”的對話附錄2  G010g語言簡介附錄3  中英文術語對照表參考文獻中文版補充參考文獻致謝

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    人工智能在計算機游戲和動畫中的應用 PDF格式下載

---