1 / 19

O PEN D OOR IA

O PEN D OOR IA. Carles Ros Martínez [is04732@salleURL.edu] Oscar García Panyella [oscarg@salleURL.edu]. 08/Nov/2002. Índex. Introducció Agents Introducció Arquitectura Pipeline Comportaments de locomoció Universos Conclusió Links & Bibliografia. Introducció.

zaide
Download Presentation

O PEN D OOR IA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. OPENDOORIA Carles Ros Martínez[is04732@salleURL.edu] Oscar García Panyella[oscarg@salleURL.edu] 08/Nov/2002

  2. Índex • Introducció • Agents • Introducció • Arquitectura • Pipeline • Comportaments de locomoció • Universos • Conclusió • Links & Bibliografia

  3. Introducció • Llibreria amb funcionalitat per crear i actualitzar la IA d’éssers vius i controls de sistemes • Objectius de la llibreria: • Accelerar desenvolupament • Temps real • Màxima portabilitat • Sistema de detecció de col·lisions extern • Extensibilitat • Per aplicacions escrites en C++

  4. Agents: Introducció • Agent = IA d’una entitat • Tipus d’agents: • Agent de control • Agent d’ésser viu • Característiques d’un agent: • Autònom • Dirigible • De resposta ràpida • Actua segons el context • Realístic • Fàcil d’implementar

  5. Agents: Encapsulació • Entitat = cos + IA que en governa les accions • Crear i manipular el cos és responsabilitat de l’usuari • Indicar les accions que el cos ha de realitzar és responsabilitat d’OpenDoorIA (agent) • Agent encapsulat dins el cos  L’agent no té accés directe a l’estructura del seu cos ni del seu entorn

  6. Agents: Cicle d’actualització • Cicle d’actualització iniciat per l’usuari • Control addicional sobre la freqüència en què es realitza la percepció • Beneficis de controlar els cicles d’actualització: • Ajustar la IA a la potència de cada màquina • LOD • Simulació d’un retard natural en la percepció

  7. Agents: Arquitectura

  8. Agents: Coneixement (records) • Rellotge • Increment de temps • Temps de comportament • Records • Entitat • Tipus d’entitat • Atributs genèrics • Estats de percepció • Estat (JustP, P, JustNP, NP) • Exposició • Vehicle de locomoció • Validesa del vehicle • Força externa • Identitat • Memòria recent

  9. Agents: Coneixement (mapa) • Objectiu del mapa: • Reconeixement de l’espai navegable • Consciència de la ubicació de les entitats físiques en l’espai • Contingut del mapa: • Àrees convexes navegables • Portals • Costos entre portals • Entitats • El mapa necessita molta memòria  Mapa externAvantatges: • Compartir part del mapa • Tenir en compte entitats de menor rellevància sense recordar-les • Optimitzat pel sistema de col·lisions

  10. Agents: Pipeline

  11. Agents: Pipeline (percepció)

  12. Agents: Pipeline (pensament)

  13. Agents: Pipeline (acció)

  14. Agents: Comportaments de locomoció • Cos i vehicle vistos com un conjunt  Vehicle de locomoció • Vehicle de locomoció simple i genèric • Comportaments més complexos a partir d’altres de més simples  Fusió de comportaments • Fusió de velocitats desitjades • Menor distància a l’objectiu = Major prioritat en la fusió • Acció de locomoció • Força de correcció de la velocitat • Temps d’aplicació de la força

  15. Agents: Comportaments de locomoció inclosos en OpenDoorIA • Buscar • Arribar • Anar • Evitar obstacles • Contenir • Perseguir • Fugir • Vagar

  16. Agents: Comportament “anar” • Dos passos: • Cercar el camí més òptim (planificador) • Recórrer el camí trobat (director) • Mapa = Xarxa de camins  Algoritme A* • Execució del camí mitjançant “buscar” i “arribar”

  17. Universos • Eina per agrupar els agents segons el seu àmbit • Un agent només pot existir dins d’un univers • Actualitzar un univers equival a actualitzar tots els agents que hi viuen

  18. Conclusió • Agents no intrusius, portables i extensibles • Estalvi de CPU amb: • Cicles d’actualització control·lats (amb control addicional sobre la percepció) • Màquina d’estats per prendre decisions • Àrees convexes i xarxa de camins • Estalvi de memòria amb: • Memòria recent • Mapa compartit

  19. Links & Bibliografia • AI for games and animation: a cognitive modelling approach, John David Funge, 1999 • AI game programming wisdom, Steve Rabin, 2002 • Developing an artificial intelligence engine, AI Lab, University of Michigan • Game programming gems, Mark DeLoura, 2000 • Multi-level direction of autonomous creatures for real-time virtual environments, Bruce M. Blumberg i Tinsley A. Galyean, MIT Media Lab • Steering behaviors for autonomous characters, Craig W. Reynolds, 1999, www.red.com/cwr/ • Webs AI depot (www.ai-depot.com), Gamasutra (www.gamasutra.com), GameDev (www.gamedev.net)

More Related