Tópicos Especiais em
Engenharia de Software (Jogos II)
Aula 09 – Inteligência Artificial
Edirlei Soares de Lima
<edirlei@iprj.uerj.br>
Inteligência Artificial em Jogos
•
•
Surgiu com a criação dos primeiros jogos (Pac-Man, Space Invaders...).
No inicio:
–
Regras simples, sequencias pré-definidas de ações, tomada de decisão
aleatória.
Inteligência Artifici
•
Atualmente:
–
–
–
–
Melhoras em gráficos e som são pouco
notadas.
Ambiente visual já está suficientemente
complexo.
Foco agora está no gameplay, na
jogabilidade e na inteligência artificial.
Personagens devem ser tão bons quanto
oponentes humanos.
Inteligência Artificial em Jogos
/Research
Ilusão de Inteligência
•
•
Não se espera criar unidades
inteligentes, mas sim criar uma
ilusão de inteligência”.
“
Em outras palavras, espera-se criar
comportamentos que imitem
comportamentos humanos.
•
•
Roubar ou não roubar?
Percepção semelhante a dos
humanos?
Princípios de Design
•
•
•
•
NPCs devem gerar uma experiência
divertida para o jogador e não para o
programador.
No meio acadêmico são criados
programas para superar o usuário
(derrotar o jogador).
Meta da inteligência artificial para jogos
não é vencer o jogador. O objetivo é dar
ao jogador desafios e diversão!
Todo jogador deve ser capaz de superar
os desafios do jogo.
Princípios de Design
•
•
•
Humanos não gostam de jogar se
estão perdendo.
O jogo deve ser agradável para
todos os níveis de habilidade.
Deve-se evitar excessos nos graus
de dificuldade (muito fácil ou
muito difícil).
•
O ideal é ajustar dinamicamente a
dificuldade dos desafios
dependendo do jogador.
Princípios de Design
•
Deve-se usar métricas para medir o
desempenho do jogador para um ajuste
dinâmico de dificuldade.
–
Tempo em cada nível, número de vidas
perdidas, grau de dano…
•
•
Deve-se evitar que o jogador descubra
métrica e tente engana-la.
O jogador quer derrotar tudo e todos na
sua primeira tentativa dando o melhor
de si.
Princípios de D
•
•
Todos os NPCs trapaceiam, mas o jogador
não pode perceber.
Não existe tecnologia para NPCs serem
justos. Os NPCs devem ser simples (mais
baratos e realistas).
•
•
Jogador deve entender a o que os NPCs
estão fazendo. O importante é parecer
inteligente.
NPC só ganha vida quando o Jogador o
entende.
Técnicas Mais Usadas
•
Técnicas mais comuns:
–
–
–
–
–
Waypoints e Pathfinding (Busca de Caminho com A*);
Máquinas de Estados Finitos (FSM - Finite-State Machine);
Aprendizado de Máquina Simplificado;
Sistemas de Gatilhos (Trigger Systems);
Previsão de Trajetória (jogos de esporte);
Locomoção em Ambientes Virtuais
•
•
Locomover-se no espaço do jogo é uma ação fundamental dos NPCs em
qualquer gênero de jogo.
A busca de caminhos deve ser implementada de maneira muito eficiente,
pois será executada muitas vezes por vários personagens durante o jogo
Exemplo
1
2 3 4 5
X
1
2
☺
3
4
Waypoints
•
•
•
Waypoints são uma representação aproximada do terreno
(amostragem).
Fornecem representações mais econômicas do que as malhas
poligonais dos cenários.
Estrutura de grafos.
Construção de Grafos de Navegação
•
•
Um grafo de navegação é uma estrutura de grafo formada por
um conjunto de waypoints.
Existem várias formas de representar a geometria do
ambiente do jogo, da mesma forma existem várias estratégias
para converter a informação espacial em uma estrutura de
grafo:
–
–
–
–
Pontos de Visibilidade
Tiles (Grid)
Geometria Expandida
NavMesh
Pontos de Visibilidade
•
•
A criação de um grafo de navegação baseado em Pontos de
Visibilidade consiste na adição de nós em pontos importantes
do ambiente.
Os pontos do grafo devem ter pelo menos uma linha reta de
visão para algum outro ponto.
Pontos de Visibilidade
•
•
Geralmente o processo de adição dos pontos de visibilidade é
feito manualmente pelo game designer.
Se o jogo restringe o movimento dos agentes somente sobre
as arestas do grafo, como ocorre no Pac-man, esta solução é a
escolha perfeita.
•
Entretanto, se o grafo é projetado para um jogo onde os
agentes têm maior liberdade de movimentos é necessário
realizar mais algumas tarefas.
Tiles (Grid)
•
•
•
Este tipo de abordagem é muito comum em jogos de
estratégia em tempo real (RTS).
Geralmente são grafos grandes e complexos, organizados por
meio de quadrados ou hexágonos.
Cada nó do grafo representa o centro de cada célula e as
arestas representam a vizinhança de cada célula.
Tiles (Grid)
•
•
O grande problema desta abordagem é
que o número de vértices e arestas
pode se tornar rapidamente muito
elevados.
Para um mapa com 100 x 100 células,
tem-se 10.000 nós e 78.000 arestas.
Pathfinding
•
Uma vez definido o grafo de navegação, é possível
utilizar técnicas de busca para encontrar caminhos
entre dois pontos.
•
•
O algoritmo de busca mais utilizado em jogos é o A*.
–
Normalmente é possível calcular boas funções heurísticas.
O caminho gerado pelo A* é composto por uma lista
de vértices por onde o agente deve passar para
chegar ao destino.
Exemplo
1
2 3 4 5
X
1
2
☺
3
4
Busca A*
•
Estratégia:
–
Combina o custo do caminho g(n) com o valor da
heurística h(n)
–
–
g(n) = custo do caminho do nó inicial até o nó n
h(n) = valor da heurística do nó n até um nó objetivo
(distancia em linha reta no caso de distancias espaciais)
–
f(n) = g(n) + h(n)
•
É a técnica de busca mais utilizada.
Exemplo - A*
1
2 3 4 5
X
1
2
☺
3
4
Exemplo - A*
•
•
Heurística do A*: f(n) = g(n) + h(n)
–
g(n) = custo do caminho
–
h(n) = função heurística
Qual seria a função heurística h(n) mais adequada
para este problema?
–
A distancia em linha reta é uma opção.
Exemplo - A*
•
Como calcular a heurística h(n)?
–
Distancia de Manhattan
Exemplo - A*
•
O próximo passo é gerar a árvore de busca e
expandir os nós que tiverem o menor valor
resultante da função heurística f(n).
–
f(n) = g(n) + h(n)
Exemplo - A*
[
1,1]
[
2,1]
[
1,2]
[
[
1,2] = f(n) = ?? + ??
2,1] = f(n) = ?? + ??
Exemplo - A*
1
2 3 4 5
X
1
2
☺
3
4
Exemplo - A*
[
1,1]
[
2,1]
[
1,2]
[
1,1]
[2,2]
[
[
1,1] = f(n) = ?? + ??
2,2] = f(n) = ?? + ??
Exemplo - A*
1
2 3 4 5
X
1
2
☺
3
4
Comportamentos Autônomos
•
Máquinas de Estados Finitos (Finite State Machines - FSM)
são provavelmente o padrão de software mais utilizado em
ara selecionar o comportamento de agentes re
Máquina de Estados
•
Uma máquina de estados é um modelo matemático usado
para representar programas.
–
–
–
Conjunto de estados.
Regras de transição entre estados.
Estado atual.
Máquina de Estados
•
•
Um exemplo bem simples de uma FSM é um interruptor de
luz.
Switch On
On
Off
Switch Off
Em um jogo normalmente uma FSM não é tão simples assim,
visto que geralmente os agentes podem ter um conjunto
muito maior de estados.
Exemplo – Pac-Man
•
•
Os fantasmas Inky, Pinky, Blinky e Clyde do
jogo Pac-man são implementados via FSM.
Os fantasmas tem 3 comportamentos:
–
–
–
Caçar (Chase)
Fugir (Evade)
Dispersar (Scatter)
•
•
A transição de estados ocorre sempre que o
jogador conseguir alguma pílula de energia.
A implementação da ação caçar de cada
fantasma é diferente.
Exemplo – Pac-Man
•
Máquina de Estados:
tempo_dispersar >= 5 (sec)
tempo_caçar >= 20 (sec)
Dispersar
Caçar
tempo_player_
energia >= 10 (sec)
player_pegou_
energia == true
Fugir
•
Os tempos variam em cada nível do jogo.
Exemplo – Pac-Man
•
Comportamento de Dispersar:
–
Mover em direção aos cantos
e ficar andando em círculos.
tempo_dispersar >= 5 (sec)
Dispersar
tempo_caçar >= 20 (sec)
Exemplo – Pac-Man
•
Comportamento de Fugir:
–
Movimentar-se mais lentamente com
movimentos aleatórios.
tempo_player_
energia >= 10 (sec)
player_pegou_
energia == true
Fugir
Exemplo – Pac-Man
•
Comportamento de Caçar:
–
Movimenta-se mirando na posição do Pac-Man.
tempo_dispersar >= 5 (sec)
tempo_caçar >= 20 (sec)
Caçar
tempo_player_
energia >= 10 (sec)
player_pegou_
energia == true
Exemplo – Pac-Man
•
Comportamento de Caçar:
–
Movimenta-se mirando na posição 4 tiles
tempo_dispersar >= 5 (sec)
tempo_caçar >= 20 (sec)
Caçar
tempo_player_
energia >= 10 (sec)
player_pegou_
energia == true
Exemplo – Pac-Man
•
Comportamento de Caçar:
–
Movimenta-se mirando em uma posição que combina a
posição/direção do Pac-Man e do Blinky
tempo_dispersar >= 5 (sec)
tempo_caçar >= 20 (sec)
Caçar
tempo_player_
energia >= 10 (sec)
player_pegou_
energia == true
Exemplo – Pac-Man
•
Comportamento de Caçar:
–
Quando está longe do Pac-Man, movimenta-se em direção ao Pac-
Man. Quando está perto, movimenta
tempo_dispersar >= 5 (sec)
tempo_caçar >= 20 (sec)
Caçar
tempo_player_
energia >= 10 (sec)
player_pegou_
energia == true
Exemplo – Quake
•
•
Os NPCs do jogo Quake também são
implementados via FSM.
Estados/Comportamentos:
–
–
–
–
–
–
Procurar Armadura (FindArmor)
Procurar Kit Medico (FindHelth)
Correr (RunAway)
Atacar (Attack)
Perseguir (Chase)
...
•
Até mesmo as armas são
implementadas como uma mini FSM.
–
–
–
Mover (Move)
Tocar Objeto (TouchOject)
Morrer/Explodir (Die)
Máquina de Estados
Implementação
void run(int *state){
switch(*state){
case 0: //procurar inimigo
procurar();
case 2: //recarregar energia
recarregar();
if(encontrou_inimigo)
if(energia > 90)
*state = 1;
*state = 0;
break;
break;
case 1: //atacar inimigo
atacar();
case 3: //fugir
fugir();
if (morto){
if(!encontrou_inimigo){
if(energia < 50)
morrer();
*
state = -1;
*
state = 2;
else
state = 0;
}
if (matou){
*state = 0;
*
}
}
break;
if(energia < 50 || inimigo_forte)
state = 3;
break;
}
*
}
Vantagens
•
Elas são rápidas e simples de implementar – existem várias formas de
implementar e todas são muito simples.
•
•
•
Gastam pouco processamento.
São fáceis de depurar – quando o número de estados é pequeno.
São intuitivas – qualquer pessoa consegue entender o seu significado
apenas olhando para a sua representação visual. Isso facilita o trabalho do
game designer, que muitas vezes não tem conhecimento de linguagens de
programação.
•
São flexíveis – podem ser facilmente ajustada pelo programador para
prover comportamentos requeridos pelo game designer.
Problemas
•
•
Á medida que a complexidade do comportamento dos
agentes aumenta, as FSMs tendem a crescer de forma
descontrolada.
As FSMs se tornam terrivelmente complexas quanto levam em
consideração ações muito básicas necessárias a um agente.
•
•
A representação visual torna-se intratável.
Comportamentos complexos são necessários em jogos
modernos.
FSM um Pouco Mais Complexa…
Máquina de Estados Finita Hierárquica
•
É possível organizar uma FSM usando máquinas de estados
finitas hierárquicas (HFSM).
•
Níveis mais altos lidam com ações mais genéricas, enquanto
níveis mais baixos lidam com ações mais específicas.
•
•
Cada estado pode ser uma nova FSM.
Infelizmente, a hierarquia não reduz o número de estados. Ela
pode somente pode reduzir significativamente o número de
transições e tornar a FSM mais intuitiva e simples de
compreender.
Máquina de Estados Finita Hierárquica
Máquina de Estados Finita Hierárquica
Leitura Complementar
•
Millington, I.; Funge, J.: Artificial
Intelligence for Games, 2nd Ed.,
Morgan Kaufmann, 2009.