Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/SLSS-85RK8D
Type: | Dissertação de Mestrado |
Title: | Um sistema de apoio ao jogador para jogos de estratégia em tempo real |
Authors: | Renato Luiz de Freitas Cunha |
First Advisor: | Luiz Chaimowicz |
First Referee: | Geber Lisboa Ramalho |
Second Referee: | Raquel Oliveira Prates |
Abstract: | Apesar da crescente popularidade dos jogos de Estratégia em Tempo Real (RTS) como plataforma para pesquisa em Inteligência Artificial (IA), os trabalhos tendem a focar na criação de um agente inteligente (ou, neste caso, bot) capaz de ganhar um jogo RTS ou a implementar alguma das competências de um jogador de RTS em algum bot. Outras abordagens usam aprendizado de máquina para aprender regras sobre o domínio do jogo e tentar prever as próximas ações do inimigo. Essas abordagens tendem, no entanto, a ignorar tópicos de pesquisa como o desenvolvimento de agentes de IA que auxiliem o usuário em seus jogos.Este trabalho apresenta uma abordagem para implementação de um agente de IA capaz de auxiliar o jogador através de dicas táticas e de estratégia. Seu objetivo, portanto, é o de estabelecer métricas para avaliar o estado local de jogos RTS, elaborar hipóteses sobre qual é o desempenho atual do usuário, raciocinar sobre formas de melhorar o desempenho do jogador e apresentá-las sob a forma de dicas de estratégia para resolver o problema de melhorar o desempenho do jogador com a restrição de usar informação local, tornando oambiente parcialmente observável.Os resultados obtidos com testes com usuário e de desempenho sugerem que o arcabouço experimental desenvolvido neste trabalho cumpre seus objetivos sem degradar o desempenho de um jogo já existente. |
Abstract: | Even though Real Time Strategy (RTS) games are successfully being used as a platform for Artificial Intelligence (AI) research and experimentation, existing work tends to focus only on the development ofintelligent agents (bots) for winning an RTS game. Other approaches use Machine Learning techniques to learn the rules of the game to try to predict the player's next move. These approaches tend to ignoreinteresting research topics like the development of AI agents that help the user in his games. This work presents an approach to implement an AI agent capable of helping out the player by giving him some tactical and strategical tips. The problem we are trying to solve is to improve the performance of the human RTS player, and our main objective is to develop metrics to evaluate the current game state, elaborate hypothesis on how to improve the player's and communicate this information to him formatted as a set of strategy tips. User and performance tests suggest that the experimental framework developed in this work satisfies its main objectives without degrading an existing game's computational performance. |
Subject: | Sistemas de computação interativos Inteligência artificial Interação homem-maquina Computação |
language: | Português |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
Rights: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/SLSS-85RK8D |
Issue Date: | 21-May-2010 |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
renatoluizdefreitascunha.pdf | 3.32 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.