Inteligência Artificial para Jogos

Planejamento de Trajetória

GT-JEDI – Jogos DigitaisInteligência Artificial para Jogos

UNISINOS

Prof. MSc. João Ricardo Bittencourt

Update: 23 Ago. 2010joaorb@unisinos.br

Agradeço e dedico estasaulas ao Prof. Osório

“Tome a pílulavermelha”

UNISINOS - João Ricardo Bittencourt

Sumário1. Retomando ...2. Problema - Encontrar caminho3. Buscas com heurística

UNISINOS - João Ricardo Bittencourt

Retomando ... Jogos de raciocínio (brain taisers) – busca livre Jogos de tabuleiro (board games) – busca

condicionada Busca em espaço de estados (trees and

adversarial search) Agora vamos ver problemas com labirintos

Buscar caminhos (path finding) Planejar ações e trajetórias (path planning) Deslocamento/navegação (Motion &

navigation)

UNISINOS - João Ricardo Bittencourt

Encontrar caminho Problema básico – Encontrar o caminho de

um ponto A até um ponto B Pode ser encontrar o melhor caminho

• Menor custo, mais rápido, com menos inimigos, com mais itens, ...

Para responder estas perguntas usamos labirintos!

Labirintos• Grade• Mapa

UNISINOS - João Ricardo Bittencourt

Encontrar caminho Labirintos

Grade Mapa

GradeMapa

UNISINOS - João Ricardo Bittencourt

Encontrar caminho Algoritmos de busca

Path finding Path planning

Usados algoritmos de busca cega/não informada Busca em largura Busca em profundidade Busca exaustiva

UNISINOS - João Ricardo Bittencourt

Encontrar caminho Principal problema

Ficar trancado no mapa! Dependendo do labirinto o problema torna-se

intratável – inúmeras possibilidades do espaço de busca

Qual a solução? Otimizar! E claro ... usar uma heurística

UNISINOS - João Ricardo Bittencourt

Encontrar caminho Busca com heurística: Cálculo do custo do

caminho

S

A

D E

B C

F

G

3

4

4

5

2 4

5

4

3

UNISINOS - João Ricardo Bittencourt

Encontrar caminho Busca com heurística: Custo estimado (distância

de uma linha reta)

S

A

D

E

B C

F

G11

10.4

6.74.0

8.9 6.9 3.0

UNISINOS - João Ricardo Bittencourt

Buscas com heurística O objetivo é otimizar, tornar o problema tratável

computacionalmente Principais algoritmos

Hill Climbing Search Branch-and-Bound Search Branch-and-Bound Search com estimativa A* (Best First)

UNISINOS - João Ricardo Bittencourt

Buscas com heurística Hill Climbing Search

Uso de uma informação para avaliar caminho

S

A D

A E

B

10.4 8.9

10.4 6.9

6.7 F

G

3.0

UNISINOS - João Ricardo Bittencourt

Buscas com heurística Hill Climbing Search

Uso de uma informação para avaliar caminho

S

A D

A E

B

10.4 8.9

10.4 6.9

6.7 F

G

3.0

UNISINOS - João Ricardo Bittencourt

Buscas com heurística Branch-and-Bound Search

Uso de uma informação prévia para avaliar caminho; Conhece o custo total

S

A D

A E

B

3

25

5

F

G

3

4

SDEFG=13 (melhor caminho)Todos os caminhos cuja soma for maior que 13 poderão ser eliminados

4

UNISINOS - João Ricardo Bittencourt

Buscas com heurística Branch-and-Bound Search com estimativa

Combinação de heurística (restante) com valor conhecido

S

A D

A E

3

25

4

F

G

3

4

Custo composto:C(caminho) = C(viajado) + C(falta)C(viajado) = ConhecidoC(falta) = Valor Estimado

10.4 8.9

10.4 6.9

3.0

C=13.4C=12.9

C=19.4C=12.9

C=13.0