任何賽車遊戲的核心都是很好的處理。如果超級跑車很慢，或者旅行車沒有抓地力，那麼您根本不會喜歡沿著賽道駕駛汽車。但是在處理之後。您怎麼知道您已經掌握了BMW M3的來龍去脈，除非您可以通過擊敗其他十個駕駛員進入終點線來證明這一點？
那需要AI。 AI很難。
我與詹姆斯·尼科爾斯（James Nicholls）和克萊夫·穆迪（Clive Moody）進行了交談，以發現教授計算機比賽所需的內容。比賽很好。詹姆斯開始說：“這是我們製作的複雜部分。” “汽車處理團隊花了很長時間才能為每輛汽車提供正確的操作。他們從現實世界的模擬價值開始，然後介入該汽車的行為，以確保它與班級中的所有其他人保持平衡。但是，同樣，它是一種遊戲體驗，而不僅僅是現實生活中的原始模擬價值觀。”
這意味著從調整汽車對角的抓地力到相機將樞轉的數量，以提出影響駕駛員的G-Force。這個過程需要幾個月的時間，網格中有80多輛汽車：AutoSport，每個汽車都必須是完美的。
接下來，他們需要圈時間。其中很多，
詹姆斯說：“我們在團隊中有敬業的人，除了為AI設定基準時間外，他們什麼也沒做。” “如果您考慮一下，我們將在這款遊戲中推出80…85輛汽車，我們有100多條路線。這是許多汽車和追踪組合的地獄，他們必須經歷以確保我們有基準時間供AI面對面。
“當級別的設計人員構建他們的軌道時，他們放下了人工智能駕駛所需的信息時，他們鋪設了汽車實際需要遵循的線路，這本質上是有機的。他們為每個角落放下制動區。他們調整諸如軌道範圍之類的內容，因此AI可能會使用的軌道地圖，因此，現在，如果在前方發生碰撞時，AI可能會碰撞，也許可以在草地上放一會兒，然後重新加入。”
在基準，軌道數據和處理模型之間，AI現在有足夠的原始元素開始學習。
詹姆斯解釋說：“我們有一個定制的工具，我們使用了多年來構建和修改的工具實際上訓練了AI。” “然後，AI系統使用所有原始數據運行，因此AI在加速超級測試後的圈圈後在圈速後運行，通常使用許多不同的軌道和汽車過夜。它在駕駛，正在犯錯誤，正在糾正它們，正在訓練它們，正在逐漸改善它們。
“這就是我們在遊戲中看到的訓練有素的AI數據的方式。”
不過，這項工作還沒有完成。現在，他們有汽車可以驅動每條軌道繞過一致的圈速。他們會知道何時何時剎車，超越並平坦，但是他們會毫不猶豫地做到這一點。他們將“快速繞過賽道，但除了基本AI行為以外，它不會做任何特別有趣的事情。”
為了使事情變得更加有趣，“我們躺在遊戲中每個駕駛員的一組信息之上，”詹姆斯說。 “每個駕駛員都有自己的特徵。它們的一致性，有多積極。像這樣的細節意味著您會看到汽車犯錯，要么是通過能力的失誤，要么是因為他們在回應了他們在最後一個角落收到的輕推。”
詹姆斯說：“我們還以紀律調整行為。”詹姆斯指的是網格中的五個不同的駕駛學科：AutoSport - 巡迴賽車，耐力，開放式車輪，街頭賽車和調諧器比賽。 “這是您開始看到獨特行為的地方在開放式方向盤上是正確的，他們將避免接觸。然後，在街頭賽車上，他們會在街上的正確點向您推動。”
這意味著團隊無需訴諸引入任何形式的橡皮筋。如果您在比賽中落後，那麼您就不必擔心走出跑步：“如果有一包汽車，他們會因為他們爭取軌道位置而互相流血。其中還有其他變量，例如AI犯錯誤，或者是正確的越野事件。總有方法可以回去。
“如果我們做的事情像AI一樣，總是在您退後時放慢腳步，那會破壞這種幻想，那麼我們不想那樣做這款遊戲。
“只有做所有的事情，我們才能得到一個非常人類的AI。相比之下，您可以很容易地讓汽車遵循花紋，但這就是您獲得機器人不人道的AI行為的方式。而我們已經將其提高到了AutoSport的全新水平。
“我認為這是我們最自豪的事情之一。”
