Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/6531
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2013_LuiggiMonteiroReffatti.pdf7,46 MBAdobe PDFver/abrir
Título: DeltaPath : um módulo genérico de planejamento de trajetória
Autor(es): Reffatti, Luiggi Monteiro
Orientador(es): Ramos, Guilherme Novaes
Coorientador(es): Castanho, Carla Denise
Assunto: Inteligência artificial
Jogos eletrônicos
Data de apresentação: 18-Jul-2013
Data de publicação: 7-Nov-2013
Referência: REFFATTI, Luiggi Monteiro. DeltaPath: um módulo genérico de planejamento de trajetória. 2013. 52 f., il. Monografia (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2013.
Resumo: Inteligência artificial (IA) se tornou um aspecto importante e presente nos jogos eletrô- nicos. Uma área importante dentro de IA aplicada a jogos é o problema do planejamento de trajetória, ou seja, como fazer entidades se locomoverem de maneira autônoma e de forma coerente em um determinado ambiente. Várias soluções existem para este pro- blema, porém nenhuma delas resolve o problema de forma eficiente para qualquer caso, e há espaço para contribuições. Este tópico envolve uma combinação de diferentes técnicas e algoritmos com propósitos distintos, necessária devido à natureza dos jogos eletrônicos, que são aplicações complexas e multidisciplinares. Particionamento espacial, busca em grafos, suavização de trajetória, vetorização de ambientes e comportamento de movimentação são alguns dos assuntos envolvidos na pesquisa de movimentação de entidades autônomas. A proposta dessa monografia é o desenvolvimento de um módulo para planejamento de trajetória, abrangendo representação espacial, busca de caminho e suavização de rota, que seja eficiente, simples e genérico. Esse módulo, denominado DeltaPath, é então aplicado em um jogo de estratégia e em um componente de um motor de jogos, para avaliar se esses objetivos foram alcançados, identificar potenciais problemas e propor soluções. Após realizadas as aplicações e os testes do DeltaPath, são apresentados os resultados. Esses mostram melhoria no desempenho e jogabilidade do jogo ao qual foi integrado, sem problemas de compatibilidade com a arquitetura em componentes do motor de jogos onde foi utilizado e facilidade de uso em ambas aplicações. _______________________________________________________________________ ABSTRACT
Artificial intelligence (AI) has become an important aspect in commercial games. An important field within AI for games is the problem of path planning, i.e., how to make entities move autonomously in a well defined environment. Several solutions exist for this problem, but none of them solve the problem for all cases, and there is room for further contributions. This topic involves a combination of various techniques and algorithms with different purposes, required due the nature of digital games, which are complex and multidis- ciplinary applications. Space partitioning, graph search, path smoothing, environment vectorization and steering behaviors are some of the issues involved in the research of autonomous moving entities. The objective of this work is the development of an efficient, simple and generic path planning module that deals with spatial representation, pathfinding and path smoothing. This module, called DeltaPath, is applied in a strategy game and used to create a compo- nent for a game engine, to evaluate whether the goals have been achieved and to identify potential problems and propose solutions. After integration and tests of the module, the results are presented. These show improvements in performance and gameplay in the game where it was integrated, no compatibility issues with the game engine’s component-based architecture where it was used and ease of use in both applications.
Informações adicionais: Monografia (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2013.
Aparece na Coleção:Ciência da Computação



Este item está licenciado na Licença Creative Commons Creative Commons