ИИ-разработка игр: преодоление барьеров 3D-пространства в Unity
Habr AI · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.
Разработчик описывает опыт создания прототипа игры от третьего лица исключительно с помощью ИИ-инструментов, без ручного написания кода. Ключевой проблемой оказалось непонимание моделью трехмерной геометрии и масштаба, что потребовало внедрения внешних данных из OpenStreetMap и строгих систем классификации ассетов.
Ценность: Материал демонстрирует реальные технические ограничения текущих LLM в геймдеве и предлагает конкретные инженерные решения для их обхода, что критически важно для понимания границ применимости ИИ в создании сложного 3D-контента.
В сети появился подробный отчет о попытке создать прототип игры от третьего лица с графикой уровня AA, используя исключительно искусственный интеллект. Автор проекта, обладающий навыками работы с C# и Unity, поставил перед собой задачу исключить ручное написание кода, моделирование и текстурирование, полагаясь на автоматизацию. Целью стало создание атмосферного сеттинга с разнообразными врагами и механиками выживания, что требует значительно более сложной технической базы, чем низкополигональные инди-игры или визуальные новеллы.
В качестве основного инструмента для генерации кода был выбран Cursor, работающий в связке с официальным MCP-интерфейсом Unity. Для создания 3D-моделей использовался MeshyAI, а для анимаций — Mixamo. Автор отмечает, что текущие модели ИИ хорошо справляются с простыми задачами, но сталкиваются с фундаментальными проблемами при работе со сложным пространством. В частности, нейросети не способны самостоятельно визуализировать трехмерную сцену и корректно рассчитывать расстояния между объектами с учетом масштаба.
Первая попытка сборки сцены через Cursor привела к созданию «города», где здания были расположены физически невозможным образом. Для решения этой проблемы разработчик извлек географические данные из OpenStreetMap в формате GeoJSON, адаптировал их через Gemini и передал ИИ как структурированное описание окружения. Это позволило корректно разместить дороги, реки и здания согласно реальным координатам, хотя для игрового баланса масштаб все равно требовал ручного упрощения.
Вторая итерация выявила другую проблему: ИИ забывал вычислять три координаты для новых объектов, из-за чего машины становились гигантскими или крошечными, а здания врезались друг в друга. Решением стало написание вспомогательного скрипта на C#, который автоматически рассчитывал положение объектов относительно соседей. Также была создана база знаний с классификацией всех ассетов, указывающая их назначение (интерьер или экстерьер), размер и допустимые зоны размещения.
Автор подчеркивает важность четкой документации для ИИ. Модель должна иметь доступ к конкретным данным о назначении каждого объекта и его связи с другими элементами сцены. Любые изменения должны фиксироваться, чтобы избежать накопления ошибок при многократных итерациях. Кроме того, было установлено, что генерация нового контента через ИИ часто проще, чем исправление уже существующих ошибок в коде или сценах.
Использование готовых ассетов и контроллеров из старых версий Unity привело к конфликтам с новой системой навигации Ai Navigation. Это подтверждает необходимость адаптации сторонних инструментов под актуальные версии движка. Несмотря на сложности, ИИ успешно справился с балансировкой статов выживания (голод, жажда) и логикой взаимодействия NPC, если ему были предоставлены четкие инструкции.
Главным выводом становится то, что ИИ не понимает концепцию 3D-пространства интуитивно. Ему необходимы строгие математические описания, внешние источники географических данных и детальные правила классификации объектов. Без такой «ручной» настройки структуры сцены результат остается хаотичным и неиграбельным.