کتاب صوتی هوش مصنوعی برای بازی ها در یونیتی (Pathfinding و NavMesh)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی برای بازی ها در یونیتی (Pathfinding و NavMesh)

موضوع کلی: برنامه نویسی

موضوع میانی: موتور بازی یونیتی (Unity)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی در بازی‌سازی
• 2. مفاهیم پایه هوش مصنوعی
• 3. کاربرد هوش مصنوعی در بازی‌های کامپیوتری
• 4. معرفی موتور بازی‌سازی یونیتی
• 5. قابلیت‌های یونیتی برای پیاده‌سازی هوش مصنوعی
• 6. آشنایی با سیستم Pathfinding در یونیتی
• 7. مفهوم NavMesh و کاربرد آن
• 8. ایجاد NavMesh در صحنه‌های بازی
• 9. تنظیمات NavMesh Agent
• 10. کنترل حرکت کاراکترها با NavMesh Agent
• 11. پیاده‌سازی حرکت کاراکترها به سمت هدف
• 12. ایجاد مسیرهای پویا با NavMesh
• 13. نکات مهم در ساخت NavMesh
• 14. عیب‌یابی مشکلات NavMesh
• 15. مفهوم A* Pathfinding
• 16. پیاده‌سازی الگوریتم A* در یونیتی
• 17. مقایسه A* با NavMesh
• 18. کاربرد A* در سناریوهای خاص
• 19. هوش مصنوعی برای دشمنان بازی
• 20. رفتارهای پیش‌فرض دشمنان
• 21. سیستم‌های تصمیم‌گیری در هوش مصنوعی دشمنان
• 22. ماشین‌های وضعیت (State Machines)
• 23. پیاده‌سازی ماشین وضعیت برای دشمنان
• 24. گذار بین وضعیت‌ها
• 25. استفاده از Behavior Trees
• 26. مزایای Behavior Trees
• 27. ساختار Behavior Trees
• 28. پیاده‌سازی Behavior Trees در یونیتی
• 29. گره‌های شرطی و عملیاتی
• 30. گره‌های دنباله‌ای و انتخابی
• 31. کاربرد Behavior Trees برای رفتار دشمنان
• 32. سیستم‌های حسگر (Sensors) برای هوش مصنوعی
• 33. دیدن دشمنان (Vision)
• 34. شنیدن صداها (Hearing)
• 35. ردیابی بازیکن
• 36. پیاده‌سازی سیستم‌های حسگر
• 37. مفهوم Field of View (FOV)
• 38. پیاده‌سازی FOV برای دشمنان
• 39. مفهوم Line of Sight (LOS)
• 40. پیاده‌سازی LOS برای دشمنان
• 41. هوش مصنوعی برای NPCهای غیرجنگی
• 42. رفتارهای تصادفی NPCها
• 43. سیستم‌های زمان‌بندی برای NPCها
• 44. پیمودن مسیرهای از پیش تعیین شده
• 45. واکنش NPCها به محیط
• 46. ایجاد NPCهای پویا و باورپذیر
• 47. مدیریت جمعیت NPCها
• 48. بهینه‌سازی هوش مصنوعی برای تعداد زیاد کاراکتر
• 49. تکنیک‌های کاهش بار محاسباتی
• 50. استفاده از LOD (Level of Detail) برای هوش مصنوعی
• 51. هوش مصنوعی در بازی‌های استراتژیک
• 52. مدیریت واحدها و منابع
• 53. تصمیم‌گیری در سطح کلان
• 54. هوش مصنوعی برای ارتش‌ها
• 55. یادگیری ماشینی در بازی‌سازی
• 56. مقدمه‌ای بر یادگیری ماشینی
• 57. شبکه‌های عصبی مصنوعی
• 58. کاربرد شبکه‌های عصبی در بازی‌سازی
• 59. یادگیری تقویتی (Reinforcement Learning)
• 60. پیاده‌سازی یادگیری تقویتی در یونیتی
• 61. مفاهیم عامل، محیط، پاداش
• 62. آموزش عامل با یادگیری تقویتی
• 63. کاربرد یادگیری تقویتی برای بهینه‌سازی رفتار
• 64. تکنیک‌های پیشرفته Pathfinding
• 65. Hierarchical Pathfinding
• 66. Navigation Meshes با ابعاد بالاتر
• 67. Pathfinding در محیط‌های سه‌بعدی پیچیده
• 68. مسیرهای بهینه برای چندین عامل
• 69. هوش مصنوعی برای مدیریت بازی
• 70. هوش مصنوعی برای تنظیم سختی بازی
• 71. هوش مصنوعی برای تولید محتوای پویا
• 72. هوش مصنوعی برای متعادل‌سازی گیم‌پلی
• 73. تست و ارزیابی سیستم‌های هوش مصنوعی
• 74. ابزارهای دیباگ کردن هوش مصنوعی
• 75. تحلیل عملکرد هوش مصنوعی
• 76. ملاحظات اخلاقی در هوش مصنوعی بازی
• 77. حفظ حریم خصوصی بازیکنان
• 78. جلوگیری از سوگیری در سیستم‌های هوش مصنوعی
• 79. مسئولیت‌پذیری در قبال رفتار هوش مصنوعی
• 80. آینده هوش مصنوعی در بازی‌سازی
• 81. روندهای نوظهور در هوش مصنوعی بازی
• 82. هوش مصنوعی مولد در بازی‌سازی
• 83. تأثیر هوش مصنوعی بر تجربه بازیکن
• 84. پروژه‌های عملی پیاده‌سازی هوش مصنوعی
• 85. ساخت یک بازی کوچک با NavMesh
• 86. پیاده‌سازی رفتار دشمنان با ماشین وضعیت
• 87. ایجاد NPCهای تعاملی
• 88. استفاده از Behavior Trees در یک سناریوی پیچیده
• 89. آموزش یک عامل با یادگیری تقویتی
• 90. بهینه‌سازی سیستم Pathfinding برای بازی بزرگ
• 91. ساخت یک سیستم مدیریت بازی هوشمند
• 92. پروژه نهایی: طراحی و پیاده‌سازی یک سیستم هوش مصنوعی جامع برای یک بازی
• 93. بررسی و ارزیابی پروژه نهایی
• 94. نکات تکمیلی و منابع بیشتر
• 95. کاربرد پیشرفته NavMesh Obstacles
• 96. موتورهای Pathfinding سفارشی
• 97. هوش مصنوعی برای مدیریت رویدادهای بازی
• 98. سیستم‌های پیش‌بینی رفتار بازیکن
• 99. هوش مصنوعی برای شبیه‌سازی دنیای بازی
• 100. بهینه‌سازی حافظه و پردازش برای هوش مصنوعی