Presentaci

1
Using
Synthetic Vision
for Autonomous Non-Player Characters
in Computer Games
ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
2
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Synthetic Vision en Juegos
Objetivo

• Lograr mayor nivel de realismo en los personajes
  manejados por la computadora (NPC o Non-Player
  Characters) utilizando técnicas de sensado del
  ambiente para que el módulo de inteligencia
  artificial (IA) que gobierna el comportamiento de
  cada agente, lo haga exclusivamente mediante el
  uso de esa información sensada.

Medio

• Inicialmente un sistema de sensado visual que
  produzca con alguna representación semántica lo
  que el agente está viendo en cada momento. Ese
  sistema es lo que se propone en este trabajo.

Potencial

• Generar personajes totalmente autónomos, que
  sensen el ambiente de un modo similar al que lo
  hace un humano, y lleven la experiencia de cada
  juego y jugador a niveles nunca antes logrados.

ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
3
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Synthetic Vision vs Computer Vision
Computer Vision Técnica utilizada en robots
reales. Es difícilmente aplicable para crear
agentes autónomos complejos en aplicaciones en
tiempo real como los juegos de computadora. Lidia
con

• Detección de distancias.
• Reconocimiento de formas.
• Ruido.

Synthetic Vision Técnica utilizada para agentes
en mundos virtuales. Es una representación en 2D
de lo que el agente ve en un instante dado en su
mundo 3D. Permite tratar fácilmente problemas de

• Percepción de profundidad.
• Reconocimiento de objetos.
• Detección de movimiento.

ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
4
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Synthetic Vision Propuesto
Propuesta
De la escena renderizada desde el punto de vista
del agente, se generan dos viewports. Uno
conteniendo información estática, el Static
Viewport, y el otro conteniendo información
dinámica, el Dynamic Viewport. La información
está dada por falso coloreo en cada píxel,
brindando una semántica al color representado, en
el modelo RGB.
Viewport Estático

• Utiliza falso coloreo para identificación de
  objetos.
• Provee adicionalmente información de profundidad.

Viewport Dinámico

• Utiliza falso coloreo para representación de
  movimiento instantáneo.

ASAI 2002 31º JAIIO Santa Fe Argentina
Septiembre 2002
5
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Static Viewport
Color de la Estructura

• Los polígonos de la estructura de la escena se
  dividen en tres clases
• Piso Polígonos con la componente Z de la normal
  mayor o igual a 0.8. Utilizamos el color verde
  (0.0, 1.0, 0.0).
• Techo Polígonos con la componente Z de la normal
  menor o igual a -0.8. Utilizamos el color rojo
  (1.0, 0.0, 0.0).
• Pared El resto de los polígonos. Utilizamos el
  color azul (0.0, 0.0, 1.0).
• (la coordenada Z apunta hacia el cielo)

ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
6
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Static Viewport (cont.)
Color de Otros Objetos

• A cada clase de objeto se le asigna un único
  color. Por ejemplo
• Todo power-up de energía se representa con (1.0,
  1.0, 0.0).
• Todo power-up de municiones se representa con
  (0.0, 1.0, 1.0).
• Todo enemigo de infantería se representa con
  (0.2, 1.0, 0.6).
• Toda persona inocente se representa con (0.7,
  0.7, 0.5).

ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
7
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Static Viewport (cont.)
Profundidad
El uso de la tecnología actual de motores 3D y
hardware de aceleración 3D permiten obtener
gratis la información de profundidad tomada del
Z-Buffer. A cada coordenada (x, y) del Static
Viewport, corresponderá una coordenada (x, y) en
el Z-Buffer que contiene un número real entre 0 y
1, llamémoslo dx,y. Para calcular la distancia
perpendicular d a la que se encuentra lo que
representa dicho píxel del agente d ( f n )
. dx,y n f es la distancia al plano más lejano
del View Frustum. n es la distancia al plano más
cercano del View Frustum.
far
near
View Frustum
Viewpoint
ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
8
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Dynamic Viewport
Semántica del Color

• Cada píxel con coordenadas (x, y) en el viewport
  dinámico representa la información de movimiento
  instantánea del objeto con coordenadas (x,y) en
  el viewport estático.
• Sea V el vector velocidad del objeto en las
  coordenadas dichas, y D el vector de dirección de
  visión del agente, cada componente de color se
  obtiene como
• Rojo Mapeo de la magnitud de V, V ? 0,
  Vmáx, en el intervalo 0, 1.
• Verde Mapeo del coseno del ángulo entre V y D, ?
  -1, 1, al intervalo 0, 1.
• Azul Mapeo directo del seno del ángulo entre V y
  D, ? 0, 1, al intervalo 0, 1.

ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
9
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Dynamic Viewport (cont.)
Semántica del Color (cont.)
Si normalizamos los vectores VN V /
V y DN D / D El coseno puede obtenerse
como cos(V, D) VN . DN VN1 . DN1 VN2 .
DN2 VN3 . DN3 Y el seno sen(V, D) ?(1
cos2(V, D)) Por lo tanto, todo objeto inanimado
se verá con color (0.0, 0.5, 1.0), un tono
azulado por tener velocidad cero, se asume un
coseno también en cero, y produce un seno en uno.
ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
10
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Módulo de IA
Descripción

• Desarrollamos un módulo de IA muy simple para
  demostrar cómo podría ser usada la visión
  sintética.
• Consiste en dar comportamiento autónomo a un NPC
  dentro de un juego del género FPS (First Person
  Shooter).
• El comportamiento está basado en reglas y es
  reactivo.

Sobre el FPS

• El NPC, Bronto, cuenta con dos propiedades
  Energía y Municiones.
• El modelo de un FPS se ha simplificado no es
  posible que Bronto dispare con armas o reciba
  impacto de armas enemigas.
• Tanto la energía como las municiones disminuyen
  linealmente, cuando la energía de Bronto llega a
  0, muere.
• Bronto puede incrementar los valores de energía y
  municiones recogiendo power-ups del piso.

ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
11
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Módulo de IA (cont.)
Comportamiento Estático

• Se definen una serie de estados en los cuales
  Bronto estará dependieno de los valores de sus
  propiedades energía y municiones.
• Lo llamamos comportamiento estático porque se
  resuelve con el viewport estático y profundidad.
• Las variables a tener en cuenta son
• H Energía actual de Bronto.
• Hini Energía inicial de Bronto.
• Hut Umbral superior de energía.
• Hlt Umbral inferior de energía.
• Análogas para municiones (Wxx).

Estados

• WA (Walk Around).
• LH (Looking-For Health).
• LW (Looking-For Weapon).
• LHW (Looking-For Health and Weapon).
• LQW (Looking Quickly for Weapon).
• LQH (Looking Quickly for Health).

ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
12
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Módulo de IA (cont.)
Walk Around

• Bronto está en este estado cuando no tiene ningún
  objetivo en concreto. Se dedica sólo a caminar
  evitando obstáculos.
• A través de una heurística, se elige un punto de
  destino que corresponda a piso en el static
  viewport.
• A través de una desproyección, se obtiene el
  punto de destino en coordenadas del mundo.
• Luego, se traza una curva de Bezier entre Bronto
  y el punto de destino, que será el camino que
  Bronto recorrerá.
• Si no es posible encontrar un punto de destino,
  Bronto intenta girar aleatoriamente a izquierda o
  derecha.
• Si se detecta que Bronto está estancado, rota
  180º.
• Este procedimiento se repite cada vez que Bronto
  ya recorrió un porcentaje determinado de la
  última curva trazada.

ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
13
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Módulo de IA (cont.)
Looking-For

• Bronto está en este estado cuando está necesitado
  de algún o ambos power-ups. En LW, LH, y LHW
  Bronto camina, mientras que en LQW y LQH corre.
• A través de una heurística, se recorre el static
  viewport obteniendo todos los objetos que
  correspondan al power-up buscado.
• Luego, se selecciona el power-up más cercano a
  Bronto, y se busca la coordenada en el viewport
  que corresponda a piso, esté a la misma
  profunidad que el power-up, y se encuentre debajo
  del mismo.
• Esa coordenada es la que se establece como la de
  destino para luego desproyectar y trazar la curva
  de Bezier.
• Si no había ningún power-up del buscado o la
  heurística falló al intentar encontrar una
  coordenada en el viewport que corresponda a piso
  con las características mencionadas, se ejecuta
  el comportamiento Walk Around.
• Como en Walk Around, este proceso de selección de
  destino se repite cada vez que Bronto recorrió un
  porcentaje determinado de la última curva de
  bezier trazada.

ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
14
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Módulo de IA (cont.)
Comportamiento Dinámico

• Para demostrar un posible uso del viewport
  dinámico, agregamos
• comportamientos reactivos ante la presencia o
  ausencia de enemigos.
• Específicamente utilizamos la componente verde
  para saber si el
• objeto viene (cos(V,D)lt0) o se aleja
  (cos(V,D)?0) de Bronto.
• Los estados definidos son
• Dont Worry ? No Hay Enemigo ? (Hay Enemigo ? ( H
  lt Hut ? W lt Wut ) ? cos(V,D) ? 0)
• Cuando no hay enemigos o todos los que se ven se
  alejan de Bronto y alguna propiedad está por
  debajo del umbral superior se debe continuar con
  el comportamiento estático.
• Avoid ? Hay Enemigo ? ( H lt Hut ? W lt Wut ) ?
  cos(V,D) lt 0
• Cuando se ve al menos un enemigo que se acerca a
  Bronto y alguna propiedad está por debajo del
  umbral superior debe evitarse.
• Intercept ? Hay Enemigo ? H ? Hut ? W ? Wut
• Cuando se ve al menos un enemigo y ambas
  propiedad están por encima del umbral superior
  debe interceptarse.

ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
15
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Demo
ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
16
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Conclusiones

• El sistema de visión sintética propuesto brinda
  la suficiente información como para poder ser
  usado en módulos de IA para crear NPCs más
  reales, sensando el ambiente en lugar de acceder
  directamente a la información del juego.
• El sistema de visión es perfecto en el sentido
  que las condiciones de luz no están consideradas
  en el falso coloreo un objeto en una zona poco
  iluminada, que sería difícil de ver, es percibido
  perfectamente igual que si estuviera plenamente
  iluminado.
• La información brindada por el viewport dinámico
  también es perfecta. Podría agregarse ruido para
  hacerlo más humano.
• Se ha implementado un simple agente sin memoria
  con resultados satisfactorios, el desafío ahora
  es agregar memoria y aprendizaje, y posiblemente
  otros sentidos como el auditivo.

ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
17
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Demo PadCenter
PadCenter fue construido por Andreas Ente,
ENTE.endres_at_t-online.de, http//padworld.exp-netwo
rk.de/
ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002
18
Using Synthetic Vision for Autonomous Non-Player
Characters in Computer Games Enrique, Sebastian
Watt, Alan Maddock, Steve Policarpo, Fabio
Demo Quake III
Quake III Arena, id Software, http//www.quake.com
/
ASAI 2002 31º JAIIO Santa Fe
Argentina Septiembre 2002