ランダムな考え（コードなし）...
実際の生活では、複雑な動きのある車両を対象として、その動きを予測して、その動きを理解しようとします。AIをターゲットにしてAIのコードを記述している場合は、ターゲットAIから派生したターゲットAIを作成する必要があります。たとえば、ターゲットが近くにいる場合にカバーのために走る場合、ターゲットAIはこの動きを予測できるはずです。
一方、AIで人間をターゲットにしようとする場合は、はるかに困難になります。ランダムターゲティングは機能しますが、単に「ランダム」に見える場合があります。これは、ゲームの問題である場合とそうでない場合があります。
解決策を思い付くためにできることの1つは、問題を精神的に何かを撮影しようとするさまざまな部分に分けることです...
追跡能力
移動可能な目的のデバイスでターゲットを攻撃するには、デバイスを追跡および移動してターゲットを追跡できる必要があります。ターゲッターはターゲットが動くのを観察し、彼らの狙いを追うように動かします。トラッカーの動きが限られている場合、その追跡機能が妨げられ、いくつかの追跡が困難になる可能性があります。しかし、トラッカーに大量の追跡の自由度がある場合、潜在的に多くのものを追跡できます。戦車の砲塔と指で何かを指差したときの違いについて考えてください。
追跡速度
もう1つの要因は、トラッカーが追跡できる速度です。非常に遅い場合（「タンクタレット」と考えてください）、高速で移動するターゲットを追跡できません。代わりに、ターゲットのパスの予測に依存する必要があります。一方、「速い」速度のトラッカーは、ターゲットの新しい場所にすばやく移動できます。
反応時間の追跡
トラッキングの3番目の要素は、トラッキングの反応時間です。つまり、ターゲットが方向を変えたときに、トラッカーはどれだけ速く反応できますか？究極のトラッカーは、速い追跡速度と瞬時の反応時間を備えたもので、あらゆる変化を追跡できます。
ターゲットの認識
ターゲッターはどの程度ターゲットを認識できますか？複雑な環境でターゲットを追跡している場合、ターゲッターがターゲットの認識に失敗したり、ターゲットを「失った」場合があります。ターゲッターがターゲットをより速く認識することができるほど、それはよりよく機能します。ターゲットを失う可能性が低いほど、それはうまくいきます。
射撃反応時間
ターゲットがクロスヘアに短時間表示されたからといって、ショットが行われることを意味するわけではありません。トラッカーはトリガーを引くのに十分速く反応できますか？本当に悪い反応時間を持つ本当に悪いトラッカーは何もヒットしません。非常に優れた反応時間を持つ本当に優れたトラッカーは、ターゲットにほんの少しの時間を必要とするだけなので、何でもヒットします。
予測運動
動きの予測は別の要因です。これは、ターゲットが現在どこにあるのかを追跡することと、ターゲットがどこにあると思うかを追跡することの違いです。トラッカーが予測できれば、ターゲットをより適切に追跡でき、クロスヘアにターゲットを置く機会が増えるため、反応時間に基づいてショットを取得する能力が向上します。ゼロ予測トラッカーは、ターゲットのアクションに関係なく、ターゲットをターゲットに向けて自動的に移動します。最悪のケースは、単純な動くターゲットを追跡しようとする予測がなく、速度が遅いトラッカーです。数秒ごとに左に進み、次に右に進むターゲットを想像してみてください。遅いトラッカーは、目標を行き来するだけで、目標を達成するのに十分な速度ではありません。
ターゲットの動きのモデリング
上で述べたように、トラッカーはその動きをモデル化することでターゲットを予測できますが、これは必ずしもそれほど難しいことではありません。車両が一定の速度で運転している場合、車両が次の1秒間に移動できる場所は有限であり、それらは基本的にその動きの前に三角形のように配置されます。彼らが進んでいるほど、三角形はきつくなります。彼らが速く回転できるほど、幅が広がります。（ロケットのように）ほとんど曲がらない非常に高速な車両には、非常に狭い潜在的な経路があります。非常にうまく回ることができる遅いものは、はるかに広い潜在的な経路を持っています。一部の車のバックアップカメラのように、線を重ねて、そのまま運転を続けると車がどこに行くか、さらにハンドルをさらに回すと車がどこに行くかを示します。
したがって、それを念頭に置いて、「潜在的なターゲットスペース」ボックスをその潜在的なパススペースに配置する必要があります。ターゲットが左右に曲がる傾向があることがわかっている場合、ターゲットボックスは可能なすべての動きをカバーするのに十分な幅である必要があります。ターゲットの動きがかなり直線的である場合、ターゲットボックスをはるかに小さくして、予想される動きの位置を中心にすることができます。このような考え方は、線形予測と非線形予測を実際に区別しない追跡に対する単一のソリューションを作成するのに役立つと思います。線形追跡は、より高いレベルの信頼性（より小さなターゲティングボックス）での予測であり、ランダム追跡は、低レベルの信頼性追跡（より大きな追跡ボックス）です。
もちろん、ターゲットが静止している場合、どの方向にも移動する可能性があるため、これは困難になります。もちろん、それでもまだ長すぎる場合は、最も遅いトラッカーにとっても簡単なターゲットです。
対象心理学
突然ショットが左に着地した場合の対処方法を検討してください。それらに走りますか？番号！あなたは右に走るでしょう。または多分あなたはカバーのために走るでしょう。しかし、多分、標的は特にカバーの場所を狙って発砲するので、走ることはありません。
学ぶ能力
潜在的に、あなたのターゲッターは経験から学ぶことができます。最初は、車両の潜在的な動きがわからないとします。彼らはそれがどれほど速く進むことができるか、またはそれがどれだけ速く回転できるかを知りません。動作を観察すると、これが何であるかがわかります。彼らが最初にそれを試みて追跡するとき、彼らはあまりうまくいかないかもしれないことを意味します。しかし、彼らは動きの振る舞いを学び、その後の試みでよりよくします。
参考文献
これを書いた後、少しググって、ライフル射撃のマニュアルに出会いました...
http://www.globalsecurity.org/military/library/policy/army/fm/3-22-9/c07.htm
実在の人物がどのように狙いを定め、追跡できるかについて、いくつかのアイデアがあるかもしれません。