integrando planejamento e execução de ações no domínio de jogos do tipo rts

Integrando Planejamento e Execução de Ações no

Domínio de Jogos do Tipo RTS

Aluno: Augusto Afonso Borges BranquinhoOrientador: Carlos Roberto LopesEvento: II Workshop de Dissertações

Universidade Federal de Uberlândia (UFU)

Sumário

• 1. Introdução

• 2. Caracterização do Problema

• 3. Planejamento e LRTA*

• 4. Trabalhos Relacionados

• 5. Conclusão

• Referências


1. Introdução

• Jogos do tipo RTS (Real-time Strategy)– Disputa em tempo real (Real-time)

• Intercala planos e execuções de ações• Domínio com informações incompletas• Tempo limitado• Busca local

– Jogos de Guerra– Ambiente inexplorado

• Exemplos: Age of Empires e WarcraftUniversidade Federal de Uberlândia (UFU)

1. Introdução

• Tipos de “Ações”– Coleta de recursos– Construção de edifícios– Treinamento de unidades– Desenvolvimento Tecnológico– Combate contra o inimigo

• Planejamento de Recursos– Recursos Materiais: gold, wood, oil, energy, magma– Outros Recursos: footman, townhall, barracks


Sumário

• 1. Introdução




• 5. Conclusão

• Referências


2. Caracterização do Problema

• Planejamento– Estado Inicial– Ações

• Pré-condições• Duração• Efeitos

– Metas

• Progressivo/Regressivo• Makespan (Tempo do Plano)


PeasantTownhall

Gold

collect-gold

• Ações do Warcraft 2 (Exemplo)action collect-gold :duration 300

:require 1 townhall :borrow 1 peasant :produce 100 gold

action collect-wood :duration 1200

:require 1 townhall :borrow 1 peasant :produce 100 wood

action build-supply :duration 600

:borrow 1 peasant :consume 500 gold 250 wood :produce 4 supply

action build-townhall :duration 1530

:borrow 1 peasant :consume 1200 gold 800 wood :produce 1 townhall

action build-peasant :duration 225

:borrow 1 townhall :consume 400 gold 1 supply :produce 1 peasant




1 Peasant1 Townhall

10000 Gold1 Peasant1 Townhall

100 collect-gold

É a melhor solução?

Makespan = 30100action collect-gold :duration 300

:require 1 townhall :borrow 1 peasant :produce 100 gold



2 Peasant1 Townhall


50 collect-gold

Executar build-peasant compensa os gastos?

50 collect-gold

1 Peasant1 Townhall

1 build-peasant



build-peasant

1 peasant

4 collect-gold build-supply

5 collect-gold 3 collect-wood

1 peasant1 townhall



build-peasant

1 peasant

build-supply

9 collect-gold

3 collect-wood

1 peasant1 townhall

Makespan = 7140



2 Peasant1 Townhall


50 build-gold50 build-gold

1 Peasant1 Townhall

1 build-peasant

Makespan = 7140 + 15050 = 22190


Sumário

• 1. Introdução




• 5. Conclusão

• Referências


3. Planejamento e LRTA*

makespanEstado Inicial

1 Peasant1Townhall

Estado2 Peasant

1Townhall3 Supply

Estado3 Peasant

1Townhall2 Supply

Estado3 Peasant

2 Townhall2 Supply

makespan makespan

makespan makespan

makespan makespan

Estado1 Peasant2Townhall

Estado2 Peasant2 Townhall3 Supply

Estado2 Peasant3 Townhall3 Supply

+1 P +1 T

+1 P +1 T

+1 P +1 T


• Resultado da Busca com Adição de Recursos

Meta: 10000 gold Meta: 5 footman

makespan peasant adicional makespan peasant adicional

30100 0 28761 0

22189 1 22570 1

18577 2 19268 2

17072 3 18667 3

16771 4 18068 4

21569 5 23178 5

• Learning Real-time A* (LRTA*)– Algoritmo de Busca– Heurística– Aprendizagem

• Eliminar o makespan da árvore de busca

• Criação de uma Heurística

• Aplicação do LRTA*



Sumário

• 1. Introdução




• 5. Conclusão

• Referências


• Chan (2007)– Algoritmo de planejamento Means-ends Analysis

(MEA)– Algoritmo de Escalonamento

• Shue (2008)– Escalonamento baseado no LRTA*– SLA* e SLA*T

• Algoritmos de busca em tempo real– TB-LRTA*, Weighted-LRTA*, FALCONS, LCM,

LRTA*(k, d)Universidade Federal de Uberlândia (UFU)

4. Trabalho Relacionados

Sumário

• 1. Introdução




• 5. Conclusão

• Referências


• Possibilidade de Melhorias com o LRTA*

• Trabalhos Futuros– Planejamento– Busca– Aprendizado– Escalonamento

• Ações com durações variáveis

• Aplicação em Jogos do Tipo RTSUniversidade Federal de Uberlândia (UFU)

5. Conclusão

Sumário

• 1. Introdução




• 5. Conclusão

• Referências


Referências

• BLUM, A. and FURST,M.,1997. Fast Planning Through Planning Graph Analysis. Artificial Intelligence, Volume 90, 281-300.

• BULITKO, V. and LEE, G., 2006. Learning in Real Time Search: A Unifying Framework. Journal of Artificial Intelligence Research (JAIR), Volume 25, 119-157.

• BURO, M., 2003. ORTS: A hack-free RTS game environment. In Proceedings of the International Joint Conference on AI 2003.

• CHAN, H. and FERN, A. and RAY, S. and WILSON, N. and VENTURA, C., 2007. Online Planning for Resource Production in Real-Time Strategy Games. Appears in the Proceedings of the 17th International Conference on Automated Planning & Scheduling, Providence, RI, USA.


Referências

• CHAN, H. and FERN, A. and RAY, S. and WILSON, N. and VENTURA, C., 2007. Extending Online Planning for Resource Production in Real-Time Strategy Games with Search. Workshop on Planning in Games, ICAPS 2007, Providence, RI, USA.

• FILHO, V. and JÚNIOR, J. and WEBER, R. and RAMALHO, G. TEDESCO, P., 2006. JaRTS: Java RTS Simulator. Simpósio Brasileiro de Jogos para Computador e Entretenimento Digital - SBGames, Recife, PE.

• FURCY, D. and KOENIG, S., 2000. Speeding up the Convergence of Real-Time Search. In Proceedings of the National Conference on Artificial Intelligence, 891-897.

• HERNÁNDEZ C. and MESEGUER, P., 2007. Improving LRTA*(k). In Proceedings IJCAI-07, 2312-217.


Referências

• HOFFMANN, J and NEBEL, B., 2001. The FF Planning System: Fast Plan Generation Through Heuristic Search. In: Journal of Artificial Intelligence Research, Volume 14, 253-302.

• KAUTZ, H., and SELMAN, B., 1992. Planning as Satisfiability. In Proceedings of the 10th European Conference on Artificial Intelligence (ECAI 92), 359-363.

• KOENIG, S., 2004. A Comparison of Fast Search Methods for Real-Time Situated Agents. In: Proceedings of the International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS), 864-871.

• KORF, R., 1990. Real-time heuristic search. Artificial Intelligence, Volume 42, 189-211.


Referências

• PEMBERTON, J. and KORF, R. E., 1992. Making Locally Optimal Decisions on Graph with Cycles. Technical Report 920004, Computer Science Department, University of California at Los Angeles, Los Angeles (California).

• POSEN, M. and URBAN, S. and AVILA, H. and AHA, D. MOLINEAUX, M., 2005. Stratagus: An Open-Source Game Engine for Research in Real-Time Strategy Games. In: Proceedings of IJCAI 2005.

• RUSSEL, S. J. and NORVIG, P., 2002. Artificial Intelligence: A Modern Approach, 2nd Edition, Prentice Hall.

• SHIMBO, M. and ISHIDA, T., 2003. Controlling the learning process of real-time heuristic search. Artificial Intelligence, Volume 146, 1-43.


Integrando Planejamento e Execução de Ações no Domínio de Jogos do Tipo RTS

Dúvidas?


[email protected]@facom.ufu.br

integrando planejamento e execução de ações no domínio de jogos do tipo rts

Documents