Tổng quan nghiên cứu

Thị trường trò chơi điện tử trên thiết bị di động đang chứng kiến sự tăng trưởng vượt bậc với quy mô doanh thu toàn cầu đạt hàng chục tỷ USD mỗi năm. Cùng với sự phát triển của công nghệ phần cứng điện thoại thông minh, nhu cầu trải nghiệm các bộ môn thể thao trí tuệ cổ điển kết hợp với công nghệ số ngày càng gia tăng. Cờ tướng là trò chơi chiến thuật có lịch sử lâu đời, sở hữu không gian trạng thái phức tạp với bàn cờ 90 giao điểm được tạo bởi 9 đường dọc và 10 đường ngang cùng 32 quân cờ phân bổ đều cho hai bên. Tuy nhiên, các ứng dụng trò chơi cờ tướng truyền thống trên di động thường gặp hai rào cản lớn: sự thiếu hụt trải nghiệm tương tác không gian thực trực quan và độ phức tạp tính toán của thuật toán trí tuệ nhân tạo (AI) khi chạy trên phần cứng thiết bị di động còn nhiều hạn chế.

Đề tài nghiên cứu được thực hiện trong thời gian từ ngày 01/02/2021 đến ngày 30/07/2021 tại Trường Đại học Bách Khoa - Đại học Quốc gia Thành phố Hồ Chí Minh, tập trung giải quyết bài toán ứng dụng giải thuật trí tuệ nhân tạo truyền thống kết hợp với công nghệ Thực tế tăng cường (Augmented Reality - AR). Mục tiêu trọng tâm của nghiên cứu là xây dựng hoàn chỉnh một ứng dụng cờ tướng 3D trên môi trường Unity, tích hợp thuật toán tìm kiếm Minimax và kỹ thuật cắt tỉa Alpha-Beta nhằm tối ưu hóa nước đi của đối thủ máy, đồng thời nhúng tính năng AR cho phép người dùng quan sát và tương tác với bàn cờ ảo ngay trong không gian thực tế. Nghiên cứu mang ý nghĩa khoa học và thực tiễn cao, giúp giảm không gian duyệt của cây trạng thái trò chơi với hệ số phân nhánh trung bình b = 40, rút ngắn thời gian phản hồi nước đi của AI xuống dưới mức 1,5 giây ở độ sâu tìm kiếm cấp 3, qua đó mở ra hướng tiếp cận hiện đại trong việc bảo tồn và phát triển các trò chơi dân gian.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng Lý thuyết trò chơi tổng bằng không (Zero-sum Game Theory) và Lý thuyết tìm kiếm đối nghịch Heuristic trong không gian trạng thái. Trò chơi cờ tướng được mô hình hóa dưới dạng một cây trò chơi (Game Tree), trong đó mỗi nút đại diện cho một trạng thái cụ thể của bàn cờ và mỗi nhánh thể hiện một nước đi hợp lệ của người chơi hoặc AI. Các khái niệm và mô hình cốt lõi được áp dụng bao gồm:

Thứ nhất, giải thuật tìm kiếm Minimax là quy tắc đệ quy nhằm tối đa hóa điểm số có lợi cho người chơi hiện tại trong khi giả định đối thủ sẽ luôn chọn nước đi tối thiểu hóa điểm số đó. Thứ hai, kỹ thuật cắt tỉa Alpha-Beta là phương pháp tối ưu hóa cây tìm kiếm đối nghịch dựa trên hai tham số alpha (giá trị điểm số tốt nhất người chơi Max có thể đảm bảo) và beta (giá trị tốt nhất người chơi Min có thể đảm bảo), cho phép loại bỏ hoàn toàn các nhánh con không ảnh hưởng đến quyết định cuối cùng khi điều kiện alpha lớn hơn hoặc bằng beta xuất hiện. Thứ ba, hàm lượng giá Heuristic tĩnh được biểu diễn dưới dạng tổng tuyến tính của tích giữa các đặc trưng trạng thái và trọng số tương ứng nhằm ước lượng nhanh ưu thế bàn cờ. Thứ tư, cấu trúc biểu diễn trạng thái FEN (Forsyth–Edwards Notation) sử dụng chuỗi ký tự ASCII ngắn gọn để mã hóa toàn bộ 90 vị trí trên bàn cờ. Cuối cùng, công nghệ Thực tế tăng cường (AR) được vận hành dựa trên hệ thống camera nhận diện mặt phẳng không gian 3 chiều qua các gói ARKit và ARCore.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp tiếp cận thực nghiệm kết hợp mô hình hóa toán học và phân tích định lượng. Nguồn dữ liệu phục vụ nghiên cứu bao gồm 13 bảng số liệu ma trận tính toán trọng số vị trí của các quân cờ cùng hệ thống 15 tài liệu tham khảo chuyên ngành về thuật toán AI và công nghệ game engine.

Để kiểm thử hiệu năng thuật toán, nghiên cứu thiết lập cỡ mẫu gồm 50 tình huống cờ thực tế, chia thành 20 thế trận khai cuộc tiêu chuẩn và 30 thế trận tàn cuộc phức tạp. Phương pháp chọn mẫu phi xác suất có chủ đích được áp dụng nhằm tập trung vào các trường hợp bàn cờ có mật độ giao tranh cao, nơi hệ số phân nhánh trung bình có thể đạt mức xấp xỉ 40 nước đi cho mỗi lượt. Lý do lựa chọn phương pháp phân tích thực nghiệm trên nền tảng Unity bằng ngôn ngữ C# là khả năng kiểm soát chặt chẽ các thông số phần cứng, theo dõi số lượng nút sinh ra theo từng tầng độ sâu và đo lường trực tiếp độ trễ phản hồi theo thời gian thực (đạt mốc tiêu chuẩn 60 khung hình/giây). Toàn bộ quá trình thu thập dữ liệu, phân tích thuật toán, thiết kế mô hình 3D trên Blender và đóng gói sản phẩm hoàn thiện được triển khai liên tục theo tiến độ biểu mẫu 6 tháng từ tháng 2/2021 đến cuối tháng 7/2021.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình hiện thực và đo lường thực nghiệm đã ghi nhận các kết quả cụ thể về hiệu năng thuật toán và tính tương tác của hệ thống:

Thứ nhất, việc áp dụng kỹ thuật cắt tỉa Alpha-Beta tối ưu giúp giảm số lượng nút cần duyệt trên cây tìm kiếm một cách ấn tượng. Tại độ sâu tìm kiếm cấp 3, thuật toán Minimax thuần túy phải duyệt toàn bộ 64.000 nút trạng thái, trong khi giải thuật kết hợp Alpha-Beta chỉ cần xử lý 1.639 nút, tương đương mức cắt giảm lên đến 97,4% khối lượng tính toán.

Thứ hai, hàm lượng giá Heuristic phân cấp chính xác sức mạnh của 7 loại quân cờ: Tướng được gán 6.000 điểm, Xe đạt 600 điểm (tương đương sức mạnh phối hợp của Pháo và Mã), Pháo đạt 285 điểm, Mã đạt 270 điểm, Sĩ và Tượng cùng đạt 120 điểm, và Tốt khởi đầu ở mức 30 điểm nhưng tăng mạnh giá trị khi tiến qua sông. Đặc biệt, việc gán giá trị tuyệt đối 10.000 điểm cho trạng thái bắt Tướng đã giúp AI triệt tiêu hoàn toàn lỗi xem Tướng như quân cờ thông thường, loại bỏ các nhánh tính toán sai lầm khiến ván đấu bị thua sớm.

Thứ ba, hệ thống đã hoàn thiện 14 mô hình quân cờ 3D dạng khối trụ kèm vật liệu kết cấu từ Blender, đồng bộ chính xác với giao diện Unity và chuỗi FEN. Khi triển khai tính năng thực tế tăng cường trên điện thoại di động, hệ thống duy trì tốc độ dựng hình ổn định ở mức khoảng 60 FPS, mang lại phản hồi nước đi trong khoảng 0,5 đến 1,2 giây cho mỗi lượt tính toán của máy.

Thảo luận kết quả

Hiệu quả cắt giảm vượt bậc của thuật toán Alpha-Beta bắt nguồn từ cơ chế loại trừ sớm các nước đi kém hiệu quả, ngăn chặn sự bùng nổ tổ hợp của không gian trạng thái khi hệ số phân nhánh b = 40 tăng theo cấp số nhân. Trong thực tế, sự phối hợp giữa ma trận điểm số vị trí và hàm Heuristic giúp AI nhận diện được các vị trí đắc địa, chẳng hạn như quân Xe kiểm soát tối đa 17 điểm giao cắt hoặc quân Mã khống chế 8 điểm cơ động.

Khi so sánh với các phần mềm cờ tướng nổi tiếng như Intella hay CCBridge, ứng dụng nghiên cứu có cấu trúc nhỏ gọn hơn, phù hợp cho thiết bị di động phổ thông dù chưa tích hợp cơ chế tự học sâu như hệ thống AlphaZero (vốn cần đến 5.000 chip TPU để huấn luyện hàng triệu ván cờ). Dữ liệu nghiên cứu về số lượng nút duyệt theo độ sâu có thể được biểu diễn trực quan thông qua biểu đồ đường so sánh tương quan giữa hàm mũ của Minimax thuần và đường tiệm cận căn bậc hai của Alpha-Beta, kết hợp với bảng ma trận nhiệt thể hiện 90 ô trọng số giá trị vị trí của quân Pháo và Xe trên bàn cờ.

Đề xuất và khuyến nghị

Dựa trên kết quả thực nghiệm và các hạn chế được chỉ ra trong quá trình đánh giá sản phẩm, nhóm nghiên cứu đề xuất 4 giải pháp cụ thể nhằm nâng cao chất lượng ứng dụng:

Thứ nhất, nâng cấp hàm lượng giá Heuristic động và tích hợp cơ sở dữ liệu khai cuộc (Opening Book). Nhóm phát triển phần mềm cần bổ sung tập dữ liệu hơn 10.000 ván cờ chuẩn quốc tế nhằm giúp AI đi quân chính xác trong giai đoạn đầu trận và giảm thời gian tính toán nước đi khai cuộc về mức dưới 0,1 giây, thời gian triển khai dự kiến trong 3 tháng.

Thứ hai, áp dụng kỹ thuật tìm kiếm lặp sâu dần (Iterative Deepening) kết hợp bảng chuyển vị (Transposition Table). Kỹ sư lập trình AI cần sử dụng bộ nhớ băm để lưu lại các trạng thái bàn cờ đã được định giá, qua đó nâng độ sâu tìm kiếm từ cấp 3 lên cấp 5 với độ trễ phản hồi không vượt quá 2,0 giây, thực hiện trong lộ trình 6 tháng.

Thứ ba, tinh chỉnh cơ chế nhận diện bề mặt trong môi trường Thực tế tăng cường. Đội ngũ thiết kế giao diện cần tối ưu hóa các thành phần nhận diện phẳng của ARKit và ARCore để nâng tỷ lệ định vị bàn cờ chính xác lên trên 95%, giảm hiện tượng rung lắc vật thể ảo khi xoay camera, dự kiến hoàn thành trong vòng 4 tháng.

Thứ tư, nghiên cứu ứng dụng mô hình học tăng cường (Reinforcement Learning) kết hợp mạng nơ-ron tích chập thu nhỏ. Các nhóm nghiên cứu học thuật tại trường đại học cần thử nghiệm tích hợp mạng nơ-ron để nâng tỷ lệ chiến thắng của AI lên trên 85% trước các người chơi trình độ khá trong khung thời gian 12 tháng tới.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị học thuật và ứng dụng thực tiễn cho 4 nhóm đối tượng trọng tâm:

Thứ nhất, sinh viên và học viên cao học chuyên ngành Khoa học Máy tính hoặc Kỹ thuật Phần mềm. Luận văn cung cấp tài liệu tham khảo chi tiết về quy trình lập trình game 3D bằng C# trên Unity, các cấu trúc dữ liệu biểu diễn bàn cờ và kỹ thuật cài đặt thuật toán Minimax cùng cắt tỉa Alpha-Beta.

Thứ hai, các lập trình viên phát triển trò chơi di động (Game Developers). Nhóm đối tượng này có thể tiếp cận phương pháp tối ưu hóa tài nguyên đồ họa từ Blender sang Unity, quản lý vòng đời GameObject và kỹ thuật nhúng các gói công nghệ ARKit/ARCore vào ứng dụng di động thực tế.

Thứ ba, giảng viên và nhà nghiên cứu trong lĩnh vực Trí tuệ Nhân tạo. Hệ thống 13 bảng số liệu Heuristic và phân tích độ phức tạp thuật toán trong luận văn là nguồn học liệu hữu ích để minh họa cho các bài giảng về lý thuyết trò chơi đối kháng và phương pháp cắt tỉa nhánh cây tìm kiếm.

Thứ tư, các doanh nghiệp và chuyên gia phát triển ứng dụng Thực tế tăng cường. Luận văn là một nghiên cứu trường hợp (case study) rõ ràng về việc đưa vật thể ảo 3D tương tác vào không gian vật lý thực, làm tiền đề mở rộng cho các giải pháp giáo dục, huấn luyện và giải trí tương tác.

Câu hỏi thường gặp

Kỹ thuật cắt tỉa Alpha-Beta giúp cải thiện hiệu năng trò chơi như thế nào so với Minimax thuần túy? Kỹ thuật cắt tỉa Alpha-Beta giúp loại bỏ các nhánh tìm kiếm không cần thiết khi xác định được nước đi hiện tại chắc chắn kém hơn lựa chọn trước đó. Trong nghiên cứu, tại độ sâu cấp 3, số lượng nút duyệt giảm từ 64.000 xuống còn 1.639 nút, giúp tiết kiệm hơn 97% tài nguyên tính toán và ngăn chặn tình trạng tràn bộ nhớ trên điện thoại.

Tại sao quân Tướng lại được gán giá trị 6.000 điểm và mức điểm tuyệt đối 10.000 khi bị đe dọa? Quân Tướng mang tính chất sống còn của ván đấu. Gán điểm số 6.000 cùng mức thưởng tuyệt đối 10.000 điểm khi ăn Tướng đối phương giúp thuật toán luôn ưu tiên bảo vệ Tướng của mình và tận dụng cơ hội chiếu bí nhanh nhất, loại trừ triệt để tình trạng AI đổi Tướng lấy quân khác.

Chuỗi ký hiệu FEN đóng vai trò gì trong kiến trúc phần mềm cờ tướng? Chuỗi FEN mô tả ngắn gọn toàn bộ trạng thái 90 ô cờ và quyền đi quân chỉ bằng một dòng văn bản ASCII có dung lượng dưới 100 bytes. Nhờ FEN, hệ thống có thể dễ dàng lưu trữ, tải lại ván cờ tức thì và truyền nhận dữ liệu trạng thái giữa các module thuật toán mà không tốn tài nguyên.

Công nghệ Thực tế tăng cường (AR) mang lại lợi ích gì cho trải nghiệm chơi cờ tướng? Công nghệ AR biến bàn cờ ảo 3D thành một vật thể hiển thị ngay trên các mặt phẳng thực tế như mặt bàn hoặc sàn nhà thông qua camera điện thoại. Người chơi có thể di chuyển góc nhìn xung quanh bàn cờ thật, tạo cảm giác trực quan và hấp dẫn hơn so với đồ họa 2D phẳng truyền thống.

Làm thế nào để nâng cao trình độ của AI cờ tướng mà không làm tăng độ trễ trên điện thoại? Giải pháp tối ưu là kết hợp bảng chuyển vị băm để tái sử dụng kết quả tính toán của các thế cờ trùng lặp, đồng thời tích hợp sách khai cuộc có sẵn khoảng 10.000 nước đi chuẩn. Phương pháp này giúp mở rộng độ sâu đánh giá mà vẫn duy trì thời gian phản hồi dưới 1,5 giây mỗi nước.

Kết luận

Nghiên cứu đã hoàn thành toàn diện các mục tiêu đề ra trong việc xây dựng trò chơi cờ tướng tích hợp trí tuệ nhân tạo và thực tế tăng cường trên nền tảng di động:

  • Phân tích chi tiết độ phức tạp không gian trạng thái bàn cờ 9x10 với hệ số phân nhánh trung bình xấp xỉ 40 nước đi.
  • Hiện thực thành công giải thuật tìm kiếm Minimax kết hợp cắt tỉa nhánh Alpha-Beta, giúp giảm 97,4% số lượng nút duyệt tại độ sâu cấp 3.
  • Xây dựng hoàn chỉnh bộ hàm lượng giá Heuristic cho 7 loại quân cờ cùng hệ thống ma trận điểm số vị trí chi tiết cho Xe, Mã, Pháo và Tốt.
  • Thiết kế trọn bộ 14 mô hình quân cờ 3D bằng Blender và lập trình hệ thống tương tác vật thể mượt mà trên môi trường Unity bằng C#.
  • Thử nghiệm thành công tính năng Thực tế tăng cường (AR) hiển thị bàn cờ thời gian thực với tốc độ khung hình đạt mức ổn định 60 FPS.

Đóng góp chính của luận văn là đã chuẩn hóa quy trình kết hợp giữa thuật toán tìm kiếm đối nghịch cổ điển và công nghệ tương tác không gian hiện đại trên thiết bị cầm tay. Trong giai đoạn 6 đến 12 tháng tới, kế hoạch phát triển sẽ tập trung vào việc nhúng bảng chuyển vị và ứng dụng mạng nơ-ron sâu để nâng cấp trí thông minh cho hệ thống. Độc giả, các nhà nghiên cứu và lập trình viên quan tâm có thể tiếp tục khai thác mã nguồn và mô hình dữ liệu này để phát triển thêm nhiều ứng dụng trò chơi trí tuệ đa nền tảng trong tương lai.