Agente inteligente Aplicado em Jogos Digitais

• Patrick P. Rodrigues UNIFTEC
• João L. T. da Silva UNIFTEC

DOI: https://doi.org/10.5753/wesaac.2018.33271

Resumo

Atualmente a área de Jogos Digitais procura oferecer cada vez mais realismo e imersividade, promovendo uma melhor experiência ao jogador. E o jogador espera um comportamento cada vez mais natural dos NPCs (Non-Player Character), procurando uma adaptação mais natural das interações com o contexto do jogo. Neste sentido, a Inteligência Artificial, na sua área de Sistemas Multiagentes, oferece uma tecnologia promissora para implementar NPCs cognitivos inteligentes. No entanto, características específicas em motores de jogos, como aspectos de tempo real, sincronização e comunicação não são facilmente compatíveis em termos de plataformas multiagentes, dificultando a completa integração de técnicas de IA neste contexto. Por outro lado, a característica de autonomia dos agentes pode oferecer benefícios para uma jogabilidade mais convincente, sendo até necessária para jogos sérios, por exemplo. Neste artigo, vamos nos concentrar na modelagem de um componente decisional em um agente NPC para definir um comportamento inteligente do NPC, que seja adaptativo de acordo com a maneira de jogar específica de cada jogador. Esperamos, com estas ideias e protótipo iniciais, experimentar o conceito dos agentes inteligentes aplicado à área de jogos digitais, utilizando uma rede neural artificial como componente decisional.

Referências

Fogel, D. B., Hays, T. J., and Johnson, D. R. (2004). A platform for evolving characters in competitive games. In Proceedings of the 2004 Congress on Evolutionary Computation (IEEE Cat. No.04TH8753), volume 2, pages 1420–1426 Vol.2.

Leyton-Brown, K. and Shoham, Y. (2008). Essentials of Game Theory: A Concise, Multidisciplinary Introduction. Morgan and Claypool Publishers, 1st edition.

Miikkulainen, R. (2006). Creating intelligent agents in games. The Bridge, pages 5–13.

Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., van den Driessche, G., Schrittwieser, J., Antonoglou, I., Panneershelvam, V., Lanctot, M., Dieleman, S., Grewe, D., Nham, J., Kalchbrenner, N., Sutskever, I., Lillicrap, T., Leach, M., Kavukcuoglu, K., Graepel, T., and Hassabis, D. (2016). Mastering the game of go with deep neural networks and tree search. Nature, 529:484–503.

Spronck, P., Sprinkhuizen-kuyper, I., and Postma, E. (2003). Online adaptation of game opponent ai in simulation and in practice. In In Proceedings of the Fourth International Conference on Intelligent Games and Simulation, pages 93–100.