Inteligência Artificial

para Jogos
Planejamento de Trajetória

Prof. MSc. João Ricardo Bittencourt

Update: 23 Ago. 2010

joaorb@unisinos.br
“Tome a pílula
vermelha”

GT-JEDI – Jogos Digitais

Inteligência Artificial para Jogos
Agradeço e dedico estas
aulas ao Prof. Osório UNISINOS
Sumário
1. Retomando ...
2. Problema - Encontrar caminho
3. 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

Grade
Mapa

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
4 4
A B C
3
5 5
S
G
4 3
D E F
2 4

UNISINOS - João Ricardo Bittencourt

Encontrar caminho
 Busca com heurística: Custo estimado (distância
de uma linha reta)

A B 6.7 C
4.0
10.4
11
S
G
D 8.9
6.9 F 3.0
E

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

10.4 A D 8.9

10.4 A E 6.9

6.7 B F 3.0

G
UNISINOS - João Ricardo Bittencourt
Buscas com heurística
 Hill Climbing Search
 Uso de uma informação para avaliar caminho

10.4 A D 8.9

10.4 A E 6.9

6.7 B F 3.0

G
UNISINOS - João Ricardo Bittencourt
 Buscas com heurística
 Branch-and-Bound Search
 Uso de uma informação prévia para avaliar caminho;
 Conhece o custo total
S 4
3
A D
5 2
A E
SDEFG=13 (melhor caminho) 5 4
Todos os caminhos cuja soma B F
for maior que 13 poderão ser 3
eliminados
G
UNISINOS - João Ricardo Bittencourt
 Buscas com heurística
 Branch-and-Bound Search com estimativa
 Combinação de heurística (restante) com valor conhecido

S 4
3 C=12.9
10.4 A C=13.4 D 8.9
5 2
C=12.9
10.4 A C=19.4 E 6.9
4
Custo composto: C=13.0 F 3.0
C(caminho) = C(viajado) + C(falta) 3
C(viajado) = Conhecido
G
C(falta) = Valor Estimado UNISINOS - João Ricardo Bittencourt