Agenten als Teil von Computerspielen Ruhr-Universität Bochum Geographisches Institut Dozent: PD Dr. M. Bruse Seminar: Analyse komplexer räumlicher und zeitlicher Prozesse mit Hilfe der Multi-Agenten-Simulation Referent: Martin.
Download
Report
Transcript Agenten als Teil von Computerspielen Ruhr-Universität Bochum Geographisches Institut Dozent: PD Dr. M. Bruse Seminar: Analyse komplexer räumlicher und zeitlicher Prozesse mit Hilfe der Multi-Agenten-Simulation Referent: Martin.
Agenten als Teil von
Computerspielen
Ruhr-Universität Bochum
Geographisches Institut
Dozent: PD Dr. M. Bruse
Seminar: Analyse komplexer räumlicher und zeitlicher Prozesse
mit Hilfe der Multi-Agenten-Simulation
Referent: Martin Stadtkowitz
Winter-Semester 2006/2007
Gliederung
1 Was ist ein Agent
2 Funktionsweisen
3 Wahrnehmung
4 Der Weg
5 Verhalten
6 Fazit
Was ist ein Agent?
Ein computergesteuerter Mitspieler
→ autonome Handlungen zum erreichen der Ziele
Autonom:
ohne direkte Steuerung
Entscheidungsfreiheit
→ können unabhängig mit verschiedenen Situationen umgehen
Agenten werden so Programmiert, dass nicht mehr zwischen dem
Agenten und einem Menschen unterschieden werde kann
Was ist ein Agent?
Diese Agenten zeichnen sich aus durch:
rationales, zielgerichtetes Verhalten
angemessene Reaktionen auf neue Situationen
Anpassung an dem Verhalten des menschlichen Spielers
einzigartiges, individuelles Verhalten
Persönlichkeit
Emotion
Zeigen im Team eine:
Aufgabenteilung
Spezialisierung
Koordination
Was ist ein Agent?
Agenten können sein:
Teamkollegen
Gegner
Reporter
Funktionsweisen
Agenten werden gesteuert durch:
Scripte
Entscheidungsbäume
Reaktiver Ansatz
Funktionsweisen
Scripte
volle Kontrolle über Verhaltensmuster
wird durch Ereignisse ausgelöst
ideal zur Umsetzung kurzfristiger Ziele
komplexes Verhalten möglich
meist schnell vorhersehbar
Funktionsweisen
Tot?
Entscheidungsbaum
richtig
falsch
auf die nächste Runde Warten
Feind in sicht?
richtig
falsch
wenig Gesundheit?
Geräusch hörbar?
richtig
falsch
richtig
falsch
zurückziehen
angreifen
wenig Gesundheit?
erkunden
richtig
falsch
zurückziehen
verfolgen
Funktionsweisen
Entscheidungsbäume
sind einfach, aber komplex
hoher Koordinierungsaufwand bei manueller Erstellung
können anhand von beispielen erlernt werden
Funktionsweisen
Reaktiver Ansatz
Agenten neigen zum reaktiven Handeln
→ reagieren direkt auf Ereignisse
Problem:
RA ist vom Ideenreichtum des Entwicklers abhängig
→ er muss die alle möglichen Situationen Ausdenken
→ Spielwelten werden immer komplexer
neigt zum scheitern in komplexen Situationen
komplexes, kooperatives Verhalten wird durch den RA ausgeschlossen
Funktionsweisen
Problemlösung des Reaktiven Ansatzes:
einsatz eines effizienten Planungsmodul
→ lösen von Situationen ohne vorgegebene Aktionen
Wahrnehmung (sehen)
über die Programmbibliothek
→ absolute Daten der Umwelt
über visuelle Eindrücke
→ relative Daten der Umwelt
Wahrnehmung (sehen)
Beispiel: Passt ein Auto durch eine Lücke?
Programmbibliothek:
→ liefert Information, wie breit Lücke und Auto sind
→ Agent weiß, ob es passt oder nicht
Visuell:
→ Agent muss die Größen von Lücke und Auto abschätzen
→ Versuch kann fehlschlagen
→ dem Agent stehen die gleichen Information zur Verfügung wie dem
menschlichen Spieler
Der Weg
Schritt 1
zeigt die Welt, in der sich der Agent bewegt
diese Welt ist aufgeteilt in Knoten
gestartet wird am
Startpunkt A
Der Weg
Schritt 2
alle begehbaren Knoten werden gesucht
alle begehbaren Knoten verweisen auf den Vorgängerknoten
→ so verbindet der
Agent am Ende
die Knoten zu
einer Route
Der Weg
Schritt 3
Der Agent will den besten Weg und sucht deshalb die Knoten mit den geringsten
Kosten
F = Wegkosten
G = Bewegungskosten
H = Entfernung zum
Ziel
Verhalten
menschliche Verhaltensmuster werden implementier
→ werden so dem menschlichen Spieler gleichwertig
bilden Teams
kommunizieren untereinander
→ zwecks Koordination
realistische Nachbildung menschlicher Verhaltensmuster
→ Simulation emotionaler Zustände:
Hass, Wut, Aggressivität, Freundschaft, Vertrauen, Lügen, etc.
Verhalten
können emotional auf ihre Umwelt reagieren
→ ein befreundeter Agent kann zum Feind werden
Steuerungsmodul basiert auf dem Multiagenten-System
→ ermöglicht komplexe Ziele und Aufgaben durch Einsatz von Wissen
→ unterschiedliche Spezialisierung
Verhalten
lernen Stärken und Schwächen des Gegners
→ passen sich entsprechend an
Teamplay
Koordinierung zwischen den Agenten und den menschlichen Spielern
→ durch Kommunikation
zwecks:
Verstärkung
taktische Szenarien
Verhalten
Wissenspräsentation
notwendig für alle Funktionen ist die Verbreitung von Wissen
Wissen vereint mehrer Konzepte in sich:
→ Vertrauen
→ Reputation
→ Motivation
Verhalten
Vertrauen:
Verlässlichkeit eines Agenten
→ Agent bevorzugen verlässliche Agenten
Reputation:
Ruf des Agenten
→ hängt eng mit dem Vertrauen zusammen
Motivation:
vermutete Ziele
→ wird aus der Beobachtung seiner Ziele abgeleitet
Verhalten
Erreichen des Ziels:
setzen Wissen über die Umwelt ein
suche nach Objekten
können auf ihre Umwelt reagieren und ihre Strategie ändern
können gemeinsame Strategien entwickeln
Fazit
Agenten sind ausgezeichnete Mitspieler/Gegner
Agenten und menschliche Spieler sind fast nicht mehr zu unterscheiden
Sie tun aber meistens nur intelligent, ohne es wirklich zu sein
Noch Fragen?
Quellen:
Lampel, Johannes (2001): Einsatz von Neuronalen Netzen in einem Bot für Counterstrike.
http://johannes.lampel.net/bll137pub.pdf
[22.11.06]
X-aitment GmbH: Künstliche Intelligenz… sie denkt wie Du.
http://www.leipzigermesse.de/LeMMon/AUSSTPR.NSF/messewebeng_gc/ADE783802DA43558C12571BE00270925/$FILE/Die%20Xait-Engine.doc
[24.10.06]
Hartmann, Knut (2005): Echtzeittechniken für Computerspiele Agenten und Teamsteuerung
http://wwwisg.cs.uni-magdeburg.de/~hartmann/CS2/control.pdf
[24.10.06]
c‘t 2003, Heft 8; Gleich, Clemens: Scheinitelligenz