Prise de décision dans les shooters

1. Prise de décision dans les shooters Sandrine Buendia Coralie Gallien Romain Almes Romain Richard TER 08/09

2. Introduction Les systèmes de jeux deviennent de plus en plus complexes, nécessitant que l’Intelligence Artificielle progresse elle aussi en parallèle. Dans ce contexte, nous avons implémenté le comportement de PNJ (Personnages Non Joueurs) dans un jeu de type shooter grâce à un planificateur.

3. Introduction • Qu’est-ce qu’un « shooter » ?

4. Introduction • Concernant la prise de décision L’IA caractérise donc toute prise de décision d’un ou plusieurs personnages dans un jeu, or, le but de l’IA dans un jeu vidéo est de donner l’illusion d’un comportement intelligent. C’est pourquoi nous sommes passé d’une FSM (machine à états finis) à un planificateur.

5. Introduction • Organisation du travail

6. Plan Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

7. Cahier des charges • Charger l’environnement de jeu • Construire l’intelligence des personnages • Obtenir un rendu attirant et simple • Garder un déroulement fluide du programme • Arriver à des temps de chargement rapide Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

8. Pathfinding

9. Pathfinding • Le pathfinding c’est quoi? Trouver un chemin entre deux points dans un environnement, tout cela en respectant les contraintes (environnementales, temps limite, contraintes de ressources, …) Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

10. Pathfinding • Pathfinding existant déjà dans UT2004 : • Aucune interprétation de l’environnement 3D entourant les PNJ • Système de nœuds formant un réseau • Code couleur utilisé pour décider de la pertinence d’un chemin Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

11. Pathfinding • Pathfinding réalisé par nos soins : • Création de nos propres nœuds • Rajout de poids • Algorithme de recherche : A* Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

12. Pathfinding • Choix de l’algorithme : De nombreux algorithmes existent (Dijkstra, Best-First-Search, A*, …) Actuellement, on se sert principalement de A* dans la majorité des jeux vidéos Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

13. Pathfinding • Avantages de A* • Garantie d’obtenir le chemin le plus court (comme l’algorithme de Dijkstra) Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

14. Pathfinding • Avantages de A* • Coût diminué à l’aide d’une heuristique (comme l’algorithme Best-First-Search) Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

15. Pathfinding • Déroulement de l’algorithme A* Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

16. Pathfinding • L’algorithme : Sommet source (S) Sommet destination (D) Liste des sommets à explorer (E) : sommet source S Liste des sommets visités (V) : vide Tant que (la liste E est non vide) et (D n’est pas dans E) Faire Récupérer le sommet X de coût total F minimum Ajouter X à la liste V Ajouter les successeurs de X (non déjà visités) à la liste E en évaluant leur coût total F et en identifiant leur prédécesseur. Si (un successeur est déjà présent dans E) et (nouveau coût est inférieur à l’ancien) alors Changer son coût total Changer son prédécesseur Fin Si Fin Tant que Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

17. Planificateur

18. Planificateur • Qu’est-ce que la planification ? • Planifier = Décider d’un plan • Simulation d’un grand nombre de combinaisons d’actions possibles • Recherche dans un graphe d’états • Comportement du PNJ : Orienté-But Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

19. Planificateur • Quelques exemples : • Pathfinder, le robot de la NASA • L’aéroport O’Harede Chicago • F.E.A.R et NOLF2, développés par Monolith Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

20. Planificateur • En bref : Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

21. Planificateur • Quelques concepts : Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

22. Planificateur • État et environnement : • Un PNJ opère avec des senseurs le renseignant sur : • Son état interne • L’état de l’environnement qui est connu partiellement, dynamique et parfois même hostile Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

23. Planificateur • Parcours du graphe d’états : • Recherche arrière dans le graphe d’états • Algorithme choisi : A* (où l’heuristique correspond au nombre de clauses qui reste à satisfaire) Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

24. Planificateur • Avantages : Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

25. Planificateur • Dans notre projet : • 6 buts • une dizaine d’actions • Nos PNJ ont un comportement relativement satisfaisant : ils se battent les uns contre les autres tout en pensant à se soigner, changer d’arme, … Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

26. Planificateur • Dans un projet professionnel : • Dans NOLF2 (No One LivesForever 2), FPS basé sur l’espionnage, il y a environ : • une vingtaine de buts • une cinquantaine d’actions • Cela suffit pour avoir un comportement réaliste. Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

27. Entité réutilisable

28. Entité réutilisable • Qu’est-ce que la réutilisabilité ? • Entité réutilisable = Entité éventuellement extensible, éventuellement adaptable, pouvant être réutilisée dans différents contextes. • Nous avons donc prévu la réutilisabilité du planificateur pour d’autres types de jeux (RPG, jeu de course, etc. Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

29. Entité réutilisable • Pourquoi ? • Au cours de ce projet, il a été nécessaire de : • Réécrire une partie du code existant ou créer des classes proches de celles existantes (ex : Pathnodes) • Remonter certains éléments à un plus haut niveau Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

30. Entité réutilisable • Comment ? • Design Pattern : Médiateur Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

31. Entité réutilisable • Dans notre projet : Le planificateur se sert d’Action et de Goal qui, dans notre cas, sont respectivement des sous-classes de AIActionet AIGoal Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

32. Démonstration

33. Démonstration • Configuration : Toute la configuration se fait à l’aide d’UnrealEd(éditeur de map d’UnrealTournament) Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

34. Démonstration • Se mettre à couvert : Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

35. Démonstration • Obtenir une meilleure arme et se soigner : Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

36. Démonstration • Pathfinding : Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

37. Conclusion

38. Conclusion • Problèmes rencontrés : • Limité du fait de prendre un moteur de jeu existant • Manque de source sur l’IA dans Unreal malgré une importante communauté Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

39. Conclusion • Apports : • Travail en groupe sur un projet important • Découverte et apprentissage de l’UnrealScript • Maîtrise d’algorithmes propres à l’IA (A*) • Étude d’un planificateur Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion

40. Conclusion • Perspectives : • Intelligence collective • Apprentissage • Implémentation de plus d’Action et But pour augmenter le réalisme Cahier des charges Pathfinding Planificateur Entité réutilisable Démonstration Conclusion