Роботы в ARC Raiders сами научились передвигаться благодаря машинному обучению и нескольким "мозгам"

Embark Studios использует в ARC Raiders машинное обучение для управления противниками, и устроено всё куда интереснее, чем может показаться на первый взгляд.

У каждого Арка несколько нейросетевых "мозгов", и все они буквально существуют ради одного – получать "награды" за правильные действия. Чем лучше Арк выполняет задачу, тем больше очков он зарабатывает, а значит, тем активнее преследует игроков.

Об этом на конференции GDC 2026 рассказал Мартин Сингх-Блом, руководитель исследований в области машинного обучения в Embark. Доклад получился крайне техническим, но даже в упрощённом виде описание технологии звучит как настоящая научная фантастика.

Машинное обучение в ARC Raiders применяется в первую очередь для того, чтобы научить Арков двигаться убедительно и динамично. Через цепочку проверок и подкреплений, размещённых в облаке, враги способны различать хорошие и плохие исходы своих действий и выбирать оптимальный путь. Правильные действия увеличивают значение награды, ошибочные – снижают.

Новый ролик ARC Raiders демонстрирует игру за прыгающего робота-клеща

Игрок словил в ARC Raiders редчайший баг – застывших роботов

Арки – как минимум те, что используют машинное обучение, а к ним относятся в основном многоногие вроде Бастионов (Bastions) и Прыгунов (Leapers) – зарабатывают очки за конкретные задачи. Среди них движение к цели, сохранение вертикального положения и ориентация в направлении объекта. Очки могут теряться при чрезмерном расходе энергии в рамках внутриигровой физики или при вывороте конечностей на неестественные углы – это не позволяет Аркам срываться в хаотичное безумие.

Важный элемент системы – Арки также получают награду за то, насколько точно воспроизводят движения, созданные аниматорами вручную. В Embark специалисты подготовили эталонные анимации, демонстрирующие идеальное передвижение Арков. Однако вместо того, чтобы напрямую привязывать этих врагов к заготовленным анимациям (что серьёзно ограничивало бы возможности в динамичной песочнице), эталоны используются как ориентир для машинного обучения.

Чем точнее Арк копирует заданную анимацию, тем больше наград получает. Это позволяет базовым движениям адаптироваться к самым разным условиям уже "в руках" самих Арков.

Сингх-Блом в шутку продемонстрировал старое видео из ранней разработки, на котором прото-Арк неуклюже ковыляет по неровной поверхности. "Я научился ходить самостоятельно", – гласила подпись от лица машины. На другом ролике, где бот двигался уже заметно увереннее, красовалась другая фраза: "Расплата придёт. Рано или поздно".

Арки действительно используют и более традиционные деревья поведений, характерные для игрового ИИ. Но параллельно ими управляют нейросетевые "мозги", обученные на различных данных для выполнения разных задач. Каждый такой мозг можно представить как специализированного пилота – только состоящего не из плоти, а из поведенческих директив. "Мозг патрульной ходьбы", "мозг преследования" и другие могут перехватывать управление в зависимости от ситуации, и цель каждого из них – заработать как можно больше очков награды.

В результате получаются жуткие и целеустремлённые противники, способные справляться с непредсказуемыми ситуациями. Они могут перебираться через обломки под острыми углами, двигаться под градом гранат и даже продолжать преследование с оторванными конечностями.

Embark понадобились годы, чтобы заставить хотя бы одного Арка нормально передвигаться, но после создания базовой системы разработчики смогли относительно быстро применить её к целому флоту врагов.

По словам Сингха-Блома, у технологии остаётся огромный потенциал для улучшений, а значит, будущие Арки – или даже уже знакомые – могут стать значительно умнее.