A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

IA em jogos modelagem de comportamento de personagens Prof. André Campos 14/05/2004.

Apresentações semelhantes


Apresentação em tema: "IA em jogos modelagem de comportamento de personagens Prof. André Campos 14/05/2004."— Transcrição da apresentação:

1 IA em jogos modelagem de comportamento de personagens Prof. André Campos 14/05/2004

2 Personagens artificiais Objetivo da I.A. –Reproduzir artificialmente comportamentos que *julgamos* inteligentes A inteligência está no olho do observador R. Brooks. Abordagens da IA –Clássica (lógica, algoritmos de procura, etc). –Abordagens inspiradas da biologia –Agente inteligente (conceito de entidade autônoma) Agentes –Melhor adaptada a jogos com personagens artificiais –Encapsula técnicas das outras abordagens

3 Agentes inteligentes Conceito de entidade artificial capaz de reproduzir padrões de: –Autonomia, Reatividade, Sociabilidade, etc. Tipos de agentes (tomada de decisão) –Reativos f(estímulo) resposta –Cognitivos planejamento, memória –Híbridos combinação das abordagens anteriores

4 Estrutura de um agente De um modo geral, conceitualmente, os agentes possuem módulos de: –Percepção, Memória, Tomada de decisão, Ação Agente Ambiente PercepçãoAção Memória Tomada de Decisão

5 Definição da arquitetura Cognitivos / deliberativos –Exemplo: BDI (Belief, Desire, Intentions) Reativos –Exemplo: Subsumption Híbridos –Exemplo: Em camadas Ação Camada 1 Camada n … Percepção Camadas de comportamento

6 Modelagem do comportamento Técnicas de modelagem –Autômatos finitos Diagramas de máquina de estados Diagramas de Rede de Petri –Controle baseado em regras –Técnicas baseadas na biologia Algoritmos genéticos Redes neurais –...

7 Máquina de estado finito Definida por –Um conjunto de estados do personagem –Um conjunto de transições que conectam de forma direcional dois estados Procura jogador Persegue jogador Atira no jogador Vê jogadorDistância < 2m Distância > 2m Jogador morto ou perdeu o sinal

8 Implementando uma M.E.F. switch-case Switch(state) { case LOOKING_FOR_PLAYER:... // comportamento X case CHASE_PLAYER:... // comportamento Y case FIGHT_PLAYER:... // comportamento Z } Padrão Strategy Agent Behavior X Y Z 1

9 Autômatos paralelos Útil quando os personagens podem realizar mais de uma ação simultânea –Exemplo: locomover e atirar O número de estados para definir ações em paralelo cresce exponencialmente Solução: –Dividir o personagem em sub-sistemas concorrentes –Possuir uma máquina de estado para cada um de seus sub-sistemas

10 M.E.F. sincronizadas Muitas vezes, autômatos paralelos precisam sincronizar suas ações Uso de blackboard –Área de memória compartilhada –Informações necessárias à sincronização dos estados de cada autômato Tomada de decisão de cada autômato

11 M.E.F. não determinísticos M.E.F não representam a realidade de um personagem, uma vez que ninguém é máquina (matematicamente determinística) Transições podem estar associados a processos aleatórios Procura jogador Persegue jogador Atira no jogador Vê jogador – 70%Dist. < 4m – 50% Distância > 3m Jogador morto ou perdeu o sinal

12 Personalidade do personagem Transições de estados representando ações do agente Personalidade modelada a partir do conjunto de probabilidades de transições –Agressivo Maior probabilidade na transição p/ o estado de ataque –Apático... –Fujão... Uso de modelos psicológicos (Ex. Big Five)

13 Tomada de decisão Presente em algumas mudanças de estado Planejamento e resolução de problemas –Procura em um *espaço de estados*, onde o personagem deseja seguir até alcançar seus objetivos Busca cega –Busca em profundidade, largura, não determinística, exaustiva Busca heurística –Hill Climbing Search, Beam Search, Guloso,... Busca condicionada

14 Jogos de estratégia –Caminhos possíveis dependem das reações dos jogadores –Exemplos clássicos Xadrez, Go, Dama, Gamão, etc Algoritmos mais utilizados –MiniMax –MiniMax + Alpha-Beta

15 Algoritmo MinMax Exemplo: Jogo dos 5 palitos –Com a situação inicial de 5 palitos, cada jogar deve retirar 1 ou 2 palitos. Perde quem retirar o último palito Jogador 1 Jogador 2 Jogador 1 Jogador 2 Jogador 1

16 Procedimento do MinMax Pontuação dos nós-folhas (em geral: –1, 0, 1)

17 Procedimento do MinMax Pontuação dos nós-folhas (em geral: –1, 0, 1) Classificar níveis Max e Min Max Min Max Min 111 1

18 Procedimento do MinMax Pontuação dos nós-folhas (em geral: –1, 0, 1) Classificar níveis Max e Min Propagar pontuação a partir dos folhas Max Min Max Min

19 Corte Alpha-Beta Otimizar o MinMax tirando proveito das relações entre as sub-árvores A B DE C FG 5 ??? 5 Corte Alpha A B DE 5 10 C FG 20 ??? 20 Corte Beta

20 Exercício Modelar o jogo da velha através de uma busca condicionada MinMax com cortes Alpha-Beta.


Carregar ppt "IA em jogos modelagem de comportamento de personagens Prof. André Campos 14/05/2004."

Apresentações semelhantes


Anúncios Google