Game IA. Prof. Marcelo Henrique dos Santos

Transcrição

1 Game IA Prof. Marcelo Henrique dos Santos

2 Bibliografia Recomendada BOURG, David M.; SEEMANN, Glenn. AI for Game Developers. O Reilly, FUNGE, J. Artificial Intelligence for Computer Games: An Introduction. A K Peters, RABIN, Steve. AI Game Programming Wisdom. Charles Rivergg Media, aigamedev.com

3 Introdução

4 O que é Inteligência? capacidade de raciocinar, planejar, resolver problemas, pensar de maneira abstrata, compreender ideias e linguagens, e aprender A inteligência é aquilo que os testes de inteligência medem Alfred Binet (mais fácil medir do que definir) habilidade de um sistema de adaptar seu comportamento para atingir seus objetivos numa série de ambientes (David Fogel, 1995) Prof. Marcelo Henrique dos Santos

5 O que é Inteligência Artificial? inteligência apresentada por uma entidade artificial (geralmente um computador); ramo da Ciência que lida com aprendizagem, comportamento e adaptação em máquinas teste de QI x teste de Turing (1950) usos mais disseminados: controle, planejamento,i dii dt l l jt reconhecimento de imagens (facial)/sons (voz), otimização, etc. campos de aplicação: engenharia, medicina, economia, tecnologia militar, jogos eletrônicos, etc.

6 O que é GameAI? conjunto de técnicas utilizadas em jogos eletrônicos para criar um comportamento desejado de non-player characters (NPCs), e eventualmente do ambiente também técnicas derivadas das áreas acadêmicas de AI, Teoria de Controle, Robótica e Computação tem como principal objetivo melhorar o desafio e a imersão (o que interessa é a diversão) Obs.: AI = Artificial Intelligence

7 Na prática... GameAI é o controle de toda entidade não-humana num jogo: outros carros num jogo de corrida oponentes e monstros num FPS unidades inimigas num RTS não inclui controle de elementos passivos, que não têm autonomia para agir; quem cuida disso é a física ou a lógica de jogo; ex: blocos caindo em Tetris tiros

8 AI vs. GameAI (1) criar inteligência é diferente de criar uma ilusão de inteligência oponente imbatível ou jogo desafiante? GameAI pode lançar mão d de truques sujos para iludir o jogador Prof. Marcelo Henrique dos Santos

9 AI vs. GameAI (2) AI Tradicional GameAI Função competir com as pessoas entreter as pessoas Usa dados e heurísticas para derrotar humanos... imitar Objetivo desafiar humanos em jogos de computador entreter humanos em jogos interessantes

10 Objetivos da GameAI proporcionar diversão ser convincente (pelo menos não parecer estúpida...) usar pouca memória e processamento implementação rápida e fácil É difícil não haver conflito...conflito

11 Aplicações da GameAI (1) projeto de NPCs: movimentação tomada de decisão comportamento aprendizado controle de reação de ambiente posicionamento de câmera

12 Aplicações da GameAI (2) iluminação controle de narrativa e eventos balanceamento de dificuldade testes

13 Trapaça, a técnica mais comum compensa o desequilíbrio contra a inteligência humana e deixa o jogador desafiado razões para trapacear: fingir que é pior : mira nos shooters (o objetivo nem sempre é acertar) fingir que é melhor : inimigos mais rápidos, violação nas regras, etc. (vale tudo)

14 Ainda sobre trapaças... não exagerar: o jogador não pode perceber trapacear demais pode deixar a dificuldade do jogo desbalanceada exemplo de trapaça: em jogos de estratégia, o computador sabe absolutamente todas as informações sobre os oponentes humanos (localização das bases, armamentos, etc.); pode usar tudo isso no seu planejamento

15 Histórico (1) Não comercial - Jogo da Vida (John Horton Conway 1970) Comercial - GameAI nasceu com os single-players; exs: Space Invaders (1978): padrões de movimentação e dificuldade progressiva Pac-Man (1980): movimentação dos fantasmas Sistemas Especialistas - jogos de esporte ( Madden Football 1984) Anos 90: difusão das técnicas com o crescimento do gênero Real Time Strategy (pathfind, planejamento, etc.)

16 Histórico (2) 1996: Battlecruiser 3000AD : primeiro jogo a usar Redes Neurais 1996: uso de Algoritmos Genéticos na série Creatures 1997: Deep Blue derrotou o campeão Kasparov (não exatamente um exemplo de entretenimento) 2001: reconhecimento de padrões em Black & White

17 Onipresença da AI (gêneros...) estratégia (tática dos inimigos) luta (padrões de ataque e defesa) first-person shooters (movimentação e ataque de oponentes e aliados) tabuleiro (tomada de decisão de oponentes) RPG (monstros, NPCs) esportes ( ação tática de outros times/atletas, comentaristas) corrida (controle dos outros carros) outros

18 Onipresença da AI (... e no tempo) De... controle dos fantasmas em Pac Man movimentação das naves em Defender... até modelagem de emoções em The Sims comportamento dos jogadores em FIFA 2012

19 AI A Fronteira Final Impacto na capacidade de imersão: Computação gráfica: fotorrealismo cada vez mais próximo (velocidade das GPUs), em alta resolução e a elevado frame-rate Simulação Física: campo em forte expansão. O realismo não é necessário (ou mesmo desejável) em todos os gêneros. Quanto maior a qualidade visual e física da simulação, maior é a expectativa do jogador quanto ao comportamento de personagens (NPCs) e do ambiente.

20 Classificação (1) Determinismo em GameAI AI Determinística AI Não-determinística Comportamento previsível imprevisível Implementação mais fácil mais difícil Teste/debug fácil, mas trabalhoso difícil Aprendizado difícil fácil Exemplos algoritmos de perseguição e fuga, máquinas de estados adaptação via Redes Neurais, Algoritmos Genéticos

21 Classificação (2) AI Reflexiva vs. AI Reativa AI Reflexiva (pré-análise) AI Reativa (decisão instantânea) algoritmo exaustivo, força bruta heurístico modelagem fenômeno caixa preta resposta lenta rápida solução ótima satisfatória

22 Arquitetura (1) AI no game loop atualizada como parte do game loop, após a entrada de dados e antes da renderização precisa ser atualizada em todos os frames? as entradas da AI talvez não variem tão rápido AI pode ser disparada somente por eventos não precisa ser síncrona (atualizada simultaneamente para todos os agentes)

23 Arquitetura (2) Polling vs. Event Driven Polling AI é executada a uma taxa fixa de atualização sensoreamento: o que mudou no ambiente? reage a partir de mudanças detectadas geralmente ineficiente bom se apenas estado atual interessa Event Driven só reage a eventos mensagens (chegada de inimigos, timeout, etc.) exige arquitetura de mensagens substituindo o sensoreamento imprescindível quando transições são importantes

24 Arquitetura (3) Complexidade de Execução qual o impacto na velocidade com a adição de conhecimento? qual o impacto na memória com a adição de conhecimento? determina o custo da técnica em termos de tempo de execução

25 Desafios da GameAI resultados menos frustrantes para os jogadores (GameAI tende a ser lembrada mais quando falha do que quando acerta...) evoluir (ou pelo menos manter) o comportamento inteligente à medida que o realismo gráfico e físico aumenta (pathfinding numa grade 2D com muros retos é fácil...)

26 Mais desafios... explosão de conteúdo, mundos mais densos e mais reativos nem sempre o que o mercado quer é o estado-daarte da tecnologia em AI pressão por maior uso de técnicas nãodeterminísticas, mas aí estão os maiores riscos, (ciclo de desenvolvimento mais longo, mais caro, etc.)

27 Considerações NPCs inteligentes podem agir de forma autônoma, mas os game designers precisam controlá-los para manter o jogo conforme o projetado decisões inteligentes (mas completamente imprevisíveis) podem arruinar um roteiro prédefinido para o bem ou para o mal

28 Técnicas de GameAI: Uma visão geral

29 Técnicas de GameAI Maquinas de Estado Finito (FSM) Lógica Nebulosa - Fuzzy Sistemas baseados em regras Sistemas baseados em planejamento Algoritmos Genéticos Redes Neurais Aula 2 Padrões de Movimento Perseguição e Fuga Basico Line of Sight Interceptacao

30 Maquinas de estado Finito FSM, ou Finite State Machine O que é? Uma máquina de estados é composta por um conjunto de estados (patrulhando, rondando, parando, etc.) e um conjunto de regras de transição (tomei um tiro, vou perseguir o agressor; estou sem energia, vou buscar energia) entre estes estados. Não - Determinística Máquinas de Estados Não-Determinísticas ao contrário, permitem essas transições. Determinística Máquinas de Estados Determinísticas não permitem múltiplas transições de um mesmo estado com a mesma entrada.

31 Maquinas de estado Finito FSM, ou Finite State Machine Vantagens da FSM Intuitivo; Fácil implementação; Fácil teste; Flexível; Representação realista de Comportamentos. Desvantagens da FSM Comportamentos repetitivos e limitados; Número de transições da FSM cresce muito rápido com a complexidade do ambiente.

32 Lógica Nebulosa Fuzzy A lógica fuzzy permite representar valores como pouca comida, muito perto, e outros eventos não contáveis (ou imprecisos) num sistema computacional que, usando lógicas clássicas, onde os únicos valores são zero e 1, não conseguiriam representar. O conhecimento é representado por um conjunto que contém valores numéricos, que podem representar melhor uma emoção humana. Ex: eu tenho um personagem muito feliz, ele é do conjunto feliz e pode receber 9 (numa contagem de 0 a 10) e eu posso ter um personagem nada feliz com valor 1. se a bola está próxima ao gol e o goleiro está um pouco afastado chute a bola com força mediana. Por que isso é importante nas IAs dos jogos?

33 Misturando as duas técnicas FUZZY + FSMs = FuSMs Vantagens Possibilidade de criação de personagens razoavelmente inteligentes e que erram Desvantagens Como as transições utilizam lógica fuzzy o teste se torna difícil.

34 Sistemas baseados em regras O que é? É um conjunto de parâmetros e um conjunto de regras que trabalham sobre estes parâmetros, de modo que durante a tomada de decisão, essas regras são então processadas. técnicas mais simples utilizadas em jogos reações instintivas, ativadas por conjuntos de condições do ambiente utilizam, geralmente, lógica proposicional estruturada em condições if- thenelse: Se <unidade_a> ataca <unidade_b> então <unidade_b> dispara muito utilizado em sistemas especialistas

35 Sistemas baseados em planejamento O que é? O planejamento de IA aplicado a jogos digitais é o armazenamento de planos de ação e fazer com que o personagem escolha o plano mais adequado numa determinada situação. Também pode permitir ao personagem decidir qual estratégia ele pode utilizar (além do próprio personagem criar a sua estratégia) Vantagens Ações do personagem não são tão repetitivas Desvantagens Como pré-determinar esses planos de ação?

36 Algoritmos Genéticos O que são? São algoritmos que simulam a seleção natural proposta por Darwin na genética, ou seja, a estrutura pode evoluir e entrar em mutação, para executar com uma melhor performance. É algo similar à experiência em jogos de RPG, onde o personagem pode evoluir, ganhar mais atributos e poderes que podem ajudar em níveis mais avançados do game. Vantagens Possibilidade de criar diversas variações baseadas em um design inicial, ampliando as potencialidades do mesmo; Otimiza o tempo de criação do jogo (caso certo jogo tenha muitas variações de adversários; Quanto à própria Inteligência Artificial do jogo (o jogador pode encontrar adversários diferentes, aumentando a diversão do game)

37 Características metáfora do processo de seleção natural (evolução biológica); indivíduos, soluções, etc., codificados em DNA ; operadores genéticos(cruzamento, mutação); algoritmo baseado em populações; os mais adaptados sobrevivem e passam os seus genes às próximas gerações; busca paralela, rápida e robusta em populações.

38 Etapas 1) Inicialização: modo de codificar os cromossomos,maneira simples,utilizando um vetor de caracteres; cada índice do vetor pode representar uma característica do ambiente externo e o valor contido nesta posição representa a ação que a criatura deverá executar. ex: Suponha que a população de criaturas controladas pelo computador tenham que responder de acordo com a arma em uso pelo jogador (espada, arco, lança e machado), e as respostas possíveis são: usar Escudo (1), ataquecomespada (2), fugir (3), esconder (4) e ataquecomarco (5). Arma Espada Arco Lança Machado Ação [1..5] [1..5] [1..5] [1..5]

39 Etapas 2) Validação da aptidão: avaliar quais indivíduos da população são os mais aptos,utiliza-se uma função de avaliação de aptidão (função fitness). ex: Para o exemplo, uma boa função avaliação é contabilizar a diferença entre o dano que a criatura causou ao jogador e o dano recebido. As criaturas com a maior aptidão segundo esta função terão a maior probabilidade de passar seus genes à geração

40 Etapas 3) Seleção: aplicação da função de avaliação de aptidão para selecionar indivíduos que participarão do processo evolucionário. Vida real, dois pais contribuem. Mundo dos jogos, qualquer número dentre os melhores indivíduos.

41 Etapas 4) Evolução: criados os novos indivíduos e introduzidos no ambiente do jogo.são selecionados os melhores indivíduos e combinados seus genesno processo de crossover. Aqui também são introduzidas mutações aleatórias.observe a tabela abaixo. 1 Usar Escudo 2 ataquecomespada 3 fugir 4 esconder 5 ataquecomarco

42 Redes Neurais O que são? São redes computadorizadas onde a sua estrutura é similar a um cérebro humano, tendo nós de rede (neurônios) e conexões entre os nós. As redes devem ser treinadas para adquirir conhecimento (backpropagation, RBF, etc.) Vantagens a rede pode aprender e armazenar conhecimento para uso posterior.

43 Padrões de Movimento Galaga é o exemplo clássico... e antigo Atualmente: RPG/FPS: patrulhamento Combate aéreo: manobras evasivas ou de ataque NPCs e personagens secundários, impressão de estarem: vagando, se alimentando ou realizando uma tarefa

44 Padrões de Movimento Implementação codificar os padrões em um array ou conjunto de arrays Exemplo básico... :

45 Padrões de Movimento algoritmo simples implementação varia com estrutura do jogo regra geral é ter vários padrões em arrays distintos IA seleciona padrões aleatoriamente ou baseado em alguma regra ilusão de inteligência e comportamentos

46 Perseguição e Fuga Método Básico entradas: coordenadas da presa e do predador atualização das coordenadas do predador no game loop: se predadorx > presax predadorx = predadorx-1 senão se predadorx < presax predadorx = predadorx+1 atualização das coordenadas da presa no game loop: se presax > predadorx presax = presax+1

47 Perseguição e Fuga Método Básico vantagens fácil implementação fácil teste baixa complexidade (pouco uso de CPU) desvantagens movimentos muito mecânico perseguição não eficiente não permite interceptação Obs. cenários discretos (tiled): implementação específica - algoritmo de Bresenham

48 Perseguição e Fuga Linha de Vista (Line-of-Sight) predador sempre se move em direção à posição da presa recálculo é necessário quando a presa se move

49 Perseguição e Fuga Linha de Vista (Line-of-Sight) física vetores

50 Perseguição e Fuga Linha de Vista (Line-of-Sight) vantagens movimento mais natural desvantagens implementação mais difícil predador acaba sempre atrás da presa ou passa a trajetória (predador mais rápido) pode se prevenido (controle de velocidade)

51 Perseguição e Fuga Interceptação predador sempre se move em direção à futura posição da presa quanto tempo é futuro?... depende da velocidade relativa entre presa e predador depende da distância relativa entre presa e predador

52 Perseguição e Fuga Interceptação mais física... velocidade relativa Vrel = Vpresa - Vpredador distância relativa Srel = Spresa - Spredador tempo para o encontro tenc = Srel / Vrel posição do encontro Senc = Spresa + (Vpresa)*(tenc) caiu no problema anterior

53 Perseguição e Fuga Interceptação vantagens movimento mais natural tempo/trajetória de caça menor desvantagens nem sempre interceptação é possível predador mais lento do que a presa predador acaba na frente da presa Obs. cenários discretos(tiled):implementação específica - algoritmo de Bresenham