[论文解读] A Python Engine for Teaching Artificial Intelligence in Games

Mark Riedl|arXiv (Cornell University)|Nov 24, 2015

Educational Games and Gamification参考文献 3被引用 4

一句话总结

本文介绍了GAIGE，一种基于Python的游戏引擎，旨在通过一系列七项逐步递进的作业，教授学生在多人在线竞技场（MOBA）游戏中的人工智能知识。该引擎将AI组件与游戏机制分离，使学生能够在模块化、自动评分的环境中实现路径规划、决策制定和行为控制，从而提升学生参与度，并实现游戏AI教育的可扩展课程交付。

ABSTRACT

Computer games play an important role in our society and motivate people to learn computer science. Since artificial intelligence is integral to most games, they can also be used to teach artificial intelligence. We introduce the Game AI Game Engine (GAIGE), a Python game engine specifically designed to teach about how AI is used in computer games. A progression of seven assignments builds toward a complete, working Multi-User Battle Arena (MOBA) game. We describe the engine, the assignments, and our experiences using it in a class on Game Artificial Intelligence.

研究动机与目标

• 为解决在大规模或在线课程中教授游戏AI时，如何将实际设计与算法实现相结合的挑战。
• 创建一种结构化、模块化的学习进程，将AI组件与通用游戏机制分离，以实现学生专注学习和自动评分评估。
• 通过游戏开发这一引人入胜的背景，激发学生对计算机科学和人工智能的兴趣。
• 通过支持自动评分复杂AI实现，提升教学的可扩展性。
• 为教育工作者提供一个灵活的框架，用于开发新的作业，涵盖程序化内容生成、玩家建模和动态难度调整等主题。

提出的方法

• GAIGE是一种Python游戏引擎，提供除AI逻辑外的核心游戏功能，使学生能够专注于实现AI算法。
• 课程被设计为七项逐步递进的作业，每项作业聚焦于一种特定的AI技术，如使用A*算法进行路径规划、有限状态机和行为树。
• 每项作业均可独立自动评分，反馈机制支持迭代学习和即时性能评估。
• 引擎的模块化设计使学生能够使用教师提供的解决方案（如路径规划）而不影响后续作业，确保了稳健性和灵活性。
• 该框架支持可扩展性，可根据学生兴趣和课程需求，快速开发新作业（如二叉空间划分或程序化地图生成）。
• 部署了基于服务器的自动评分系统，支持实时提交和反馈，从而提升学生参与度和学习表现。

实验结果

研究问题

• RQ1 如何设计一款游戏引擎，使其在教学结构与现实应用之间取得平衡，以有效教授游戏AI？
• RQ2 模块化、自动评分的作业框架是否能提升游戏AI课程中的学生学习成效？
• RQ3 使用游戏背景在多大程度上能提升学生在AI教育中的学习动机和参与度？
• RQ4 如何在不进行完整游戏开发的前提下，将游戏中的AI组件隔离并逐步教授？
• RQ5 该框架能否扩展以支持高级主题，如程序化内容生成和玩家建模？

主要发现

• 引入基于服务器的自动评分系统并提供即时反馈后，学生表现显著提升，Assignment 2的平均分在增加Assignment 1.5（导航网格生成）后提高至7.5/10。
• 学生经常复用教师提供的基础组件（如路径规划）解决方案，但由于引擎的模块化设计，这并未影响其在后续作业中的表现。
• 部分学生实现的核心AI组件（如路径规划和行为控制）表现优于教师提供的基线解决方案，表明学习效果良好且具备创新能力。
• GAIGE的模块化架构使新作业（如二叉空间划分作业）的开发在一周内即可完成，显示出强大的可扩展性。
• 该框架成功支持了高级研究生水平的工作，包括基于玩家行为指标的程序化地图生成作业，显示出与科研整合的潜力。
• GAIGE实现了可扩展、自动评分的游戏AI教学，使大规模课程交付成为可能，尤其适用于在线或混合式学习环境。