임의의 생각 (코드 없음) ...
실제로는 움직임이 무엇인지 예측하여 움직임이 복잡한 차량을 목표로합니다. AI가 AI를 타겟팅하도록 코드를 작성하는 경우 대상 AI에서 파생 된 타겟팅 AI를 작성해야합니다. 예를 들어 근처에서 타겟을 엄폐물로 사용하는 경우 타겟팅 AI가이 움직임을 예상 할 수 있어야합니다.
반면에 AI로 인간을 목표로한다면 훨씬 더 어려워 질 것입니다. 무작위 타겟팅은 효과가 있지만 "무작위"처럼 보일 수 있으며 이는 게임에 문제가 될 수도 있고 아닐 수도 있습니다.
해결책을 제시하기 위해 할 수있는 한 가지는 문제를 정신적으로 무언가를 촬영하려는 다른 부분으로 분리하는 것입니다.
추적 능력
움직일 수있는 목표 장치로 목표물을 맞추려면 목표물을 추적하기 위해 장치를 추적하고 움직일 수 있어야합니다. 목표물은 목표물 이동을 관찰하고 목표를 따라 움직입니다. 트래커의 움직임이 제한되어 있으면 트래킹 기능이 방해를받으며 일부 트래킹에 어려움을 겪을 수 있습니다. 트래커에 많은 양의 트래킹 자유가 있다면 많은 것들을 추적 할 수 있습니다. 탱크 포탑과 손가락으로 무언가를 가리키는 차이점을 생각해보십시오.
추적 속도
또 다른 요소는 트래커가 얼마나 빨리 추적 할 수 있는지입니다. 매우 느리면 ( "탱크 포탑"이라고 생각) 빠르게 움직이는 대상을 추적 할 수 없습니다. 대신 대상의 경로에 대한 기대에 의존해야합니다. 반면에 "빠른"속도의 트래커는 대상의 새로운 위치로 빠르게 이동할 수 있습니다.
반응 시간 추적
추적의 세 번째 요소는 추적의 반응 시간입니다. 즉, 목표 방향이 바뀌면 추적기가 얼마나 빨리 반응 할 수 있습니까? 최고의 트래커는 빠른 트래킹 속도와 즉각적인 반응 시간을 가진 추적기이므로 모든 변경 사항을 추적 할 수 있습니다.
대상 인식
타겟팅자가 대상을 얼마나 잘 인식 할 수 있습니까? 복잡한 환경에서 대상을 추적하는 경우 대상이 대상을 인식하지 못하거나 "손실"하는 경우가 있습니다. 대상이 대상을 더 빨리 인식할수록 더 잘 수행 할 수 있습니다. 목표를 잃을 가능성이 적을수록 더 잘 할 것입니다.
촬영 반응 시간
짧은 순간 순간 십자선에 목표물이 표시된다고해서 총성이 발생한다는 의미는 아닙니다. 트래커가 트리거를 당길 수있을 정도로 빠르게 반응 할 수 있습니까? 반응 시간이 정말 나쁜 추적기에는 아무런 영향이 없습니다. 반응 시간이 정말 좋은 트래커는 목표에 약간의 시간이 필요하기 때문에 어떤 것이나 충돌합니다.
운동 예상
움직임에 대한 기대는 또 다른 요소입니다. 이것은 목표가있는 위치를 추적하는 것과 목표가있는 위치를 추적하는 것의 차이입니다. 트래커가 예상 할 수 있으면 대상을 더 잘 추적 할 수 있고 십자선에 대상을 가질 가능성이 높아져 반응 시간에 따라 발사 할 수있는 능력이 향상됩니다. 제로 기대 추적기는 목표의 행동에 관계없이 목표를 목표로 자동 이동시킵니다. 최악의 경우는 간단한 이동 목표를 추적하려고하지 않고 속도가 느린 트래커입니다. 몇 초마다 왼쪽으로 이동 한 다음 오른쪽으로 이동하는 대상을 상상해보십시오. 느린 트래커는 목표를 앞뒤로 계속 튕겨 나가며 목표를 달성하기에 충분히 빠르지 않습니다.
모델링 대상 이동
위에서 언급했듯이 트래커는 목표를 예측할 수 있는데, 반드시 그렇게하는 것은 아닙니다. 차량이 약간의 속도로 운전하는 경우, 다음 순간에 차량이있을 수있는 장소는 유한하며, 본질적으로 움직임 앞에 삼각형 모양으로 배치됩니다. 더 빨리 갈수록 삼각형이 더 단단해집니다. 더 빠르게 돌릴수록 넓어집니다. 로켓처럼 돌릴 수없는 매우 빠른 전차는 좁은 길을 가지고 있습니다. 아주 잘 회전 할 수있는 느린 것은 훨씬 더 넓은 잠재적 경로를 가지고 있습니다. 마치 자동차를 계속 운전하면 자동차가 어디로 갈지, 바퀴를 더 많이 돌리면 어디로 갈 수 있는지를 보여주는 선을 오버레이하는 일부 자동차의 백업 카메라와 같습니다.
따라서이를 염두에두고 "잠재적 대상 공간"상자를 해당 잠재적 경로 공간에 배치해야합니다. 목표가 좌우로 향하는 경향이 있다는 것을 알고 있다면 목표 상자는 가능한 모든 움직임을 포함 할만큼 넓어야합니다. 대상이 이동에있어 매우 선형 인 경우 대상 상자를 훨씬 작게 만들고 예상되는 이동 위치를 중심으로 만들 수 있습니다. 이런 종류의 사고는 선형 예측과 비선형 예측을 실제로 구분하지 않는 단일 추적 솔루션을 만드는 데 도움이 될 것이라고 생각합니다. 선형 추적은 단순히 높은 수준의 신뢰도 (작은 타겟팅 상자)를 예상하는 반면 임의 추적은 낮은 수준의 신뢰도 추적 (큰 추적 상자)입니다.
물론 대상이 어떤 방향 으로든 움직일 가능성이 있기 때문에 대상이 여전히 서 있으면 도전이됩니다. 그러나 여전히 너무 오래 앉아 있으면 가장 느린 트래커조차도 쉬운 대상입니다.
대상 심리학
갑자기 샷이 왼쪽으로 착륙 한 경우 수행 할 작업을 고려하십시오. 당신은 그들에게 실행됩니까? 아니! 당신은 오른쪽으로 달려갑니다. 아니면 당신은 덮개를 위해 달려 갈 것입니다. 그러나 대상이 구체적으로 표지 위치에서 촬영하여 달리지 않을 수도 있습니다.
학습 능력
잠재적으로 타겟팅자가 경험을 통해 배울 수 있습니다. 처음에는 차량의 잠재적 움직임에 대해 전혀 모른다고 가정합니다. 그들은 얼마나 빨리 갈 수 있는지 또는 얼마나 빨리 돌릴 수 있는지 모릅니다. 실제로 행동하는 것을 관찰하면 이것이 무엇인지 가르 칠 것입니다. 처음 시도하고 추적 할 때 제대로 수행되지 않을 수 있음을 의미합니다. 그러나 그들은 움직임 행동을 배우고 후속 시도에서 더 잘합니다.
추가 자료
이 글을 쓴 후 약간의 인터넷 검색으로 소총 사격에 대한이 매뉴얼을 만났습니다 ...
http://www.globalsecurity.org/military/library/policy/army/fm/3-22-9/c07.htm
실제 사람이 어떻게 조준하고 추적하고 추적 할 수 있는지에 대한 아이디어가있을 수 있습니다.