Entornos virtuales tontos e inteligentes, viejos algoritmos de IA para los nuevos dominios gr

1
Entornos virtuales tontos e inteligentes, viejos
algoritmos de IA para los nuevos dominios gráficos
Miguel Lozano Ibáñez Grupo Artec, Instituto de
Robótica Departament dInformàtica Facultat de
Físiques Universitat de València
2
Índice

• Entornos virtuales tontos
• Inteligencia Artificial para Humanos Virtuales
• Personajes, avatares
• Agentes autónomos
• Animación comportamental actores capaces de
  comportarse y reaccionar en su entorno.
• Path-Planning navegación de actores en entornos
  virtuales.
• Simulación multi-agente MAS y coordinación.
• Problemas pendientes Futuro

3
Entornos virtuales tontos

• Basados en alguna API gráfica (OpenGL), los
  entornos se crean a partir de
• Modelado y Representación de la Geometría.
• Modelos Polígonales.
• Modelos de Superficies.
• Modelado Sólido.
• Modelos de partición Espacial

• Normalmente se trabaja a partir de primitivas
  poligonales optimizadas.
• Tira de cuadrados.
• Tira de Triangulos.
• Abanico de Triangulos...

4
Entornos virtuales tontos

• Propiedades de color y textura la luz.

• ... propiedades de los objetos.
• ... comportamiento de la Luz.
• Soluciones computables
• Modelos de Iluminación
• Iluminación Local (pto, normal, nvértices, no
  interacción entre objetos, ...)
• ... sombreado.
• Phong
• Goraud
• ...
• Iluminación global (interacción entre objetos,
  sombras, ...)
• T.Rayos
• Radiosidad
• Mejora de las Soluciones Mapeado de Texturas.

5
Entornos virtuales tontos
El procesamiento de los Gráficos 3D. La pipeline
Gráfica.

• Procesamiento de Objetos.
• Procesamiento de Vértices
• Transformaciones del Modelo.
• Transformaciones de la Vista.
• Iluminación
• Proyección.

• Procesamiento de Pixels
• Zbuffer.
• Rellenado de color.
• Texturación.

6
Entornos virtuales tontos

• Interacción mínima/nula con el entorno,
  orientados a la visualización ...

• Ausencia de actores/personajes autónomos

• Entornos estáticos no demasiado amigables (frios)
  calidad gráfica ! calidad comportamental

7
Entornos virtuales tontos

• Simulación (Man In the Loop)

• Interacción usuari_at_ - entorno a través del modelo
  simulado

8
Entornos virtuales tontos
Estructuras de datos para la simulación 3D TR

• Grafos acíclicos dirigidos.
• Recorrido o traversal del grafo se obtiene como
  resultado un conjunto de primitivas con las
  transformaciones del modelo acumuladas.
• Los nodos sirven para organizar la escena,
  aplicar transformaciones, toma de decisiones,
  indicar geometría, propiedades visuales de los
  objetos, etc.

• Nodos Visuales (geom propiedades).
• Nodos de Operación (traversal agrupación,
  recorte, LODs, Switch ...).
• Nodos de Transformación.
• Nodos de Retroalimentación (navegación ..).

9
Entornos virtuales tontos
Conclusiones

• El aumento de calidad gráfica de los entornos
  virtuales 3D ha generado la correspondiente
  expectación a nivel comportamental.
• Grafo de escena claramente orientado a la
  visualización tiempo real (militar), pero no al
  mantenimiento de la información de un entorno
  dinámico (IA) .
• Difícil integración de actores/personajes/criatura
  s articuladas autónomas en estos entornos ...
  sensores?, comunicación?, mantenimiento del
  mundo? ....
• Aylett(00) La combinación de técnicas
  inteligentes de IA VA integradas en criaturas
  autónomas con capacidad de actuación/interacción
  ... Entornos Virtuales Inteligentes.

10
Inteligencia Artificial para humanos virtuales
Categorías
LIG-EPFL

• Personajes virtuales
• Avatares
• Agentes autónomos

Agentes Físicos Comportamiento físico realista
(gestos, expr. Faciales)
Agentes Cognitivos Comportamiento cognitivo,
repr. simbólica, leng. natural, procesos
cognitivos (planning)
11
Inteligencia Artificial para humanos virtuales
AnanovaÔ
Kyoko DateÔ
Webbie TookayÔ
Personajes virtuales
12
Inteligencia Artificial para humanos virtuales
Avatares virtuales
representación del usuari_at_

• Ciertas capacidades físicas y efectoras sobre el
  entorno (correr, saltar, volar, bailar, ... ).
• Expresan un conjunto de emociones.

Active Worlds
13
Inteligencia Artificial para humanos virtuales
Agentes autónomos
LIG-EPFL
Comportamiento autónomo individual y/o colectivo
14
Inteligencia Artificial para humanos virtuales
Sistema capaz de cumplir sus objetivos en un
entorno complejo y dinámico, sensorizando su
entorno y actuando sobre el mismo.(Maes95)
No hay intervención humana
Agentes autónomos inteligentes?
Flexibilidad en la toma de decisiones (AI-based,
Wooldridge) Autonomía, sociabilidad,
reactividad, proactividad ...
fuerte en base a conceptos humanos, creencias,
intenciones, ...
15
(AI Techniques for NPC Behaviours)
Animación comportamental

• Comportamiento Las posibles acciones que los
  personajes autónomos (Non-Player Characters
  (NPCs)) llevarán a cabo en función de
• el estado de su entorno (e.j. Lemmings)
• Localización espacial del usuari_at_ o estado del
  mismo (e.j. Doom, Tekken, Air Combat )
• estado/reglas del juego (e.j. RISK)
• propia iniciativa (objetivos)

Comportamientos ... Reactivos? ... Inteligentes?
...

• Flexibilidad en la toma de decisiones (AI-based,
  Wooldridge)
• Ej El cálculo de las trayectorias necesarias en
  juegos de simulación, basado unicamente en
  módulos de simulación matemática/cinemática no
  debería ser considerado, estrictamente hablando,
  como comportamiento inteligente.
• pero las decisiones a llevar a cabo (ej
  atacar/adelantar a otros coches ... sí.

16
(AI Techniques for NPC Behaviours)
Animación comportamental
Comportamientos reactivos

• Descritos en base a la inmediata reacción ante
  determinadas situaciones
• Generalmente son comportamientos de bajo nivel
• pueden ser parte de un plan más complejo
• algunos NPC pueden ser programados únicamente en
  base a comportamientos reactivos

... Comportamientos deliberativos

• Razonamiento Lógico/Planificación búsqueda de la
  secuencia de acciones que permite al agente
  alcanzar su objetivo. En nuestro contexto puede
  ser considerada como la forma más genérica de
  animación comportamental para agentes virtuales
  inteligentes.

17
Formalismos
(AI Techniques for NPC Behaviours)
Modelado cognitivo (dirigido por objetivo)
Integración Comportamiento - Sistema
motor/actuador
Simulación dinámica
Comportamiento reactivo
Comportamiento reactivo
Precálculos cinemáticos (motion capture)
Cinemática
Cinemática
Cinemática
Geometría
Geometría
Geometría
Geometría

• Introduciremos tres formalismos
• Máquinas de estados finitos (Case-based
  reasoning)
• Razonamiento basado en reglas (Rule-based
  reasoning)
• Sistemas de producción
• Planificación jerárquica
• Árboles Y/O (AND/OR Graphs)

Reactivos
Deliberativos
18
Máquinas de estados finitos
(AI Techniques for NPC Behaviours)

• Técnica dominante en juegos
• Formalmente son tuplas (V, Q, I, F, m) ...
• Técnica eficiente ... adecuada para actores
  virtuales
• Alto grado de descripción y fácilidad de
  mantenimiento normalmente máquinas con un número
  de estados reducido

• Nodos representan estados, mientras que los arcos
  representan transiciones entre estados
• Pueden ser vistos como planes compilados

19
Máquinas de estados finitos
(Finite State Transition Networks)
Distintos autómatas basados en la Teoría de
autómatas finitos (ATN, FSTN, ...) (adaptación
de A. Whittaker)
20
Ejemplo Quake
(AI Techniques for NPC Behaviours)

• El comportamiento está basado en la definición
  del autómata, estados (idle, attacking, reacting
  to attack, etc.) y transiciones.

The QUAKE FSA
21
Ejemplo Quake (comentarios)
(AI Techniques for NPC Behaviours)

• Data-driven system ... división entre tareas de
  programación de percepts/actions y las tareas de
  diseño comportamental (creación del autómata).
• Un buen formalismo debería proporcionar
  mecanismos necesarios para realizar cambios
  consistentes o mejoras.
• Ajustes mediante parametrización
• Variar el tiempo límite de pérdida de interés
  para hacer a los personajes más persistentes
• Alterar la línea de visión

22
Razonamiento basado en reglas (rule-based systems)
(AI Techniques for NPC Behaviours)

• Técnica muy utilizada en IA
• Tradicionalmente asociada con los sistemas
  expertos
• Paradigma de programación (alta aplicabilidad)
• Declaratividad, Modularidad ... Separación
  control/datos robusto

• Elementos
• Hechos (memoria dinámica)
• Reglas (memoria estática/dinámica?)
• Motor de inferencia
• Mecanismo de unificación (eficiencia?)
• En Entornos Virtuales ha sido utilizada
• Toma de decisiones (forward/backward chaining)
• Simulación comportamental 1..n actores (Ej
  Flock of birds (Reynolds)) (forward chaining)

equilibrio
23
Sistemas de producción (rule-based systems)
(AI Techniques for NPC Behaviours)

• Las reglas/producciones son de la forma
• IF (hechos) THEN (hechos acciones)
• añadir nuevos hechos a la M.T. hará que se
  disparen nuevas reglas ..
• proponer acción
• IF (health lt 10) and (Medikit nearby)
• THEN (pick up the Medikit at once)

IF (health lt 40) THEN (health_is_bad)
forward chaining
IF (health_is_bad) and (no plasma_gun) THEN
(situation_is_bad)
24
Sistemas de producción (rule-based systems)
(AI Techniques for NPC Behaviours)
Ejemplo Soar Quakebots (Laird) QuakeII, Unreal,
Sistema experto en tiempo real, el conocimiento
del juego está codificado en aproximadamente 800
reglas
(Toma de decisiones Inteligencia táctica
aplicada a las ppales fases del juego, coger
armas, atacar, retirarse,)
IF enemy visible AND my health is lt
very-low-health-value (20) OR his
weapon is much better than mine THEN propose
retreat

25
Encadenamiento hacia atrás (Backward chaining)
Sistemas de producción (rule-based systems)
(AI Techniques for NPC Behaviours)
demostrar que una conclusión/hecho es cierto
buscando hacia atrás
IF A and B THEN C
IF C or D THEN E
demostrar A y B
IF E and F THEN G
F
Demostrar G
Laird, GDC99
26
Sistemas de producción (rule-based systems)
(AI Techniques for NPC Behaviours)
Computer-Aided Instruction Steve

• Steve es un humano virtual autónomo para el
  entrenamiento de tareas de mantenimiento
• Steve se comunica con el usuari_at_ por medio de voz
  sintética

ã University of Southern California
27
Sistemas de producción (rule-based systems)
(AI Techniques for NPC Behaviours)
Problemas

• Control es complicado ... número de reglas ..
• ... a menudo muchas reglas se disparan ...
• ... consecuencias contradictorias? ... acciones
  incompatibles ... conflictos
• ..en algunos casos todas las reglas son
  plausibles ... En otros no ... Agrupaciones de
  reglas ...

• Meta-reglas que operan sobre reglas ..
• Son usadas para la resolución de conflictos,
  donde varias reglas se han disparado
• IF (several rules can be applied)
• THEN (apply first rules dealing with health)

IF (you are unarmed) and (guard has not
noticed you) THEN (attack with bare fists)
IF (you are unarmed) and (guard has not noticed
you) THEN (wait)

• Asociar valores numéricos a las reglas (v.
  certeza/ prob ...)
• Usar estos marcadores para resolver el conflicto

28
Planificación jerárquica
(AI Techniques for NPC Behaviours)
Ejemplo II Virtual Storytelling

• Juegos Interactivos Cine interactivo ... Planes
  de nivel alto

Cavazza, VR00
29
Planificación jerárquica
(AI Techniques for NPC Behaviours)
Virtual Storytelling
Generación de la historia
Los personajes compiten por los
recursos/objetos que percibe en su escenario (
The Sims)
30
Recordemos ...

• Entornos virtuales tontos
• Inteligencia Artificial para Humanos Virtuales
• Problemas principales
• Animación comportamental actores capaces de
  comportarse y reaccionar en su entorno.
• Path-Planning navegación de actores en entornos
  virtuales.
• Sistemas multi-agente e IAD
• Problemas pendientes Futuro

31

• entornos robóticos y virtuales
• 2 enfoques
• Global
• NPC acceso a toda la BD no tienen limitación
  sensorial (omniscientes?, entornos estáticos?)
• Familia de algortimos de Búsqueda Heuristica (A,
  RTA, D)
• Local
• Robots Agentes/Humanos Virtuales
• Navegación reactiva orientados a entornos
  dinámicos
• Reglas, Redes Neuronales,

32
Navegando con información global ...

• Problema de búsqueda aplicado al problema de la
  navegación ... Laberinto (real?)

Discretización del entorno

• Ir de A a B evitando obstáculos
• Moviemintos válidos 4/8 vecinos
• Camino más corto

33
A

• A es un algoritmo de búsqueda que garantiza una
  solución/camino óptimo.
• A reduce el numero de nodos expandidos por medio
  de una función heuristica, ... de esta manera
  explora el árbol más rápido.

B
Camino A-B
34

• Cada nodo tendrá asociado una función de
  evaluación o coste
• f(n) h(n) g(n)
• Coste estático (g(n)) derivado a partir de su
  padre
• g(n) g(padre) c(padre,n)
• La función heuristica corresponderá a algún tipo
  de distancia al nodo/celda objetivo (h(n)
  estimará a la distancia real h(n) )

Distancia Euclidea
Distancia de Manhattan
35
f(n) g(n) h(n)
Depth-first component
Breadth-first component
... con pesos (Pohl)
fw(n) (1-w) g(n) w h(n)
w 0 (breadth-first) w 1/2 (A) w 1 (BF,
with f h)
equilibrio entre eficiencia y seguridad ...
36

• Complejidad
• La complejidad temporal de A es exponencial, a
  menos que la función heurística sea excelente (..
  el error por debajo de la función logarítmica)
• Una restricción más fuerte es la complejidad
  espacial de A, también exponencial, limitando
  su uso práctico (n-puzzles)
• IDA (Korf) soluciona este problema de A, sin
  sacrificar su optimalidad.

Es aconsejable? ...

• Humanos tenemos un campo de visión limitado, lo
  que nos hace
• buscar los objetos que caen fuera de él.
• Caminos poco realistas (suavizados
  posteriormente)
• Entornos dinámicos !!

37
La familia de A

• RTA Real-Time A. .. Calcula un mvto. por ciclo
  no todo el camino off-line
• LRTA Learning RTA (pesos dinámicos, objetivo
  móvil)
• IDA Iterative-Deepening A
• D Dynamic A, permite replanning
• Rd Variante que utiliza información a cerca de
  la bondad de la función heurística

38
... más de 1 agente

• Algunos juegos/simulaciones, etc. están basados
  en la interacción de agentes/actores ...
• ... es posible obtener comportamientos globales
  complejos como resultado de los comportamientos
  individuales (MAS)
• Las técincas Multi-agente son también una forma
  de resolver problemas (general problem-solving
  technique) ... No confundir con coordinación
  multi-agente (multi-agent co-ordination)

trabajan en común resolviendo un problema?
sistemas multiagente (MAS) e IAD (distributed
problem solving)
las tareas inteligentes (planning, etc) son
llevadas a cabo por agentes con capacidad de
comunicarse para cooperar
Rama de la IA que estudia la resolución de
problemas mediante procesamiento descentralizado
contiene a ...
39
Multi-agent (High-Level) Co-ordination
(simulation agents)

• En juegos NPC co-ordination
• con el usuari_at_ (Team Buddies, X-Squad, etc.)
• con otros agentes
• ... comportaminto colectivo agentes coches,
  hormigas, aviones, gente

• Basados en algún lenguaje de comunicación entre
  agentes
• KQML, ACL (FIPA), COOL, (CFOR)
• Tratamiento de mensajes

40
IAD (resolución de problemas) y Sistemas
Multiagente

• La solución de la IAD sería asociar un agente a
  cada celda
• Cada agente tendría comportamientos elementales
  como atacar otra celda para ocupar su posicón o
  escapar en caso de ataque
• Además cada agente tendría su objetivo ocupar su
  posición final

Este metodo proporciona resultados similares a
RTA y LRTA, es decir, similar a los mejores
métodos de búsqueda heuristica
Lemmings
41
Futuro
Problemas pendientes
42
Entornos virtuales tontos e inteligentes, viejos
algoritmos de IA para los nuevos dominios gráficos
Miguel Lozano Ibáñez Grupo Artec, Instituto de
Robótica Departament dInformàtica Facultat de
Físiques Universitat de València