Miguel Lozano Ibáñez Grupo Artec, Instituto de Robótica Departament d’Informàtica

II Jornada de Informática Gráfica, Universitat Jaume I, Castelló. Julio 02

Entornos virtuales tontostontos e inteligentesinteligentes, viejos algoritmos

de IA para los nuevos dominios gráficos

Miguel Lozano IbáñezMiguel Lozano IbáñezGrupo Artec, Instituto de RobóticaGrupo Artec, Instituto de Robótica

Departament d’InformàticaDepartament d’Informàtica Facultat de FísiquesFacultat de Físiques

Universitat de ValènciaUniversitat de València


Índice

• Entornos virtuales “tontos”“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


Entornos virtuales “tontos”

• Basados en alguna API gráfica (OpenGL), los entornos se crean a partir de:

– Modelado y Representación de la Geometría.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.Normalmente se trabaja a partir de primitivas poligonales optimizadas.– Tira de cuadrados.Tira de cuadrados.– Tira de Triangulos.Tira de Triangulos.– Abanico de Triangulos...Abanico de Triangulos...

v0

v2

v4

v1

v3

v5

V1

V0

V5

V4

V3

V2



• Propiedades de color y textura: la luz.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, (pto, normal, nvértices, no interacción entre objetos,

...)...)

– ... sombreado.• Phong• Goraud• ...

• Iluminación global (interacción entre objetos, sombras, ...)(interacción entre objetos, sombras, ...)

• T.Rayos• Radiosidad

• Mejora de las Soluciones: Mapeado de Texturas.



El procesamiento de los Gráficos 3D. La El procesamiento de los Gráficos 3D. La pipelinepipeline Gráfica. Gráfica.

• Procesamiento de Objetos.• Procesamiento de Vértices

– Transformaciones del Modelo.– Transformaciones de la Vista.– Iluminación– Proyección.

Polígonos Vertices 2D +Z

RASTERINGPixels

Imagen final

Base de datos

Seleccinar objetos

Operaciones por pixels

Cálculo por vétices

1 2 3 4

C Á LC U LO D EL C O LO R

P R O Y E C TA R 3D -2D

•Procesamiento de Pixels:

–Zbuffer.

–Rellenado de color.

–Texturación.



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

Entornos estáticos no Entornos estáticos no demasiado amigables demasiado amigables

(frios) calidad gráfica != (frios) calidad gráfica != calidad comportamental calidad comportamental

• Ausencia de actores/personajes autónomos



Simulación (Man In the (Man In the Loop)Loop)

t

D a to S e n so rP ro c e s o d e l

M o d e lo

D is p o s it iv oV is u a liz a c ió n

G e n e rac ió n d eM o v im ie n to

S a l id a s

Ta T p

T i

Ts1

Ts2

Ts = m a x (Ts 1 ,Ts 2 )

T r = Ta + T p + Ts

Interacción usuari@ - entorno a través del modelo simulado



–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.

Estructuras de datos para la simulación 3D TR:Estructuras de datos para la simulación 3D TR:

–Nodos Visuales (geom & propiedades).

–Nodos de Operación (traversal: agrupación, recorte, LODs, Switch ...).

–Nodos de Transformación.

–Nodos de Retroalimentación (navegación ..).



–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/criaturas articuladas autónomas en estos entornos ... sensores?, comunicación?, mantenimiento del mundo? ....

–Aylett(00)Aylett(00): La combinación de técnicas inteligentes de IA + VA integradas en criaturas autónomas con capacidad de actuación/interacción ... Entornos Virtuales Inteligentes.

Conclusiones:Conclusiones:


Inteligencia Artificial para humanos virtuales

Categorías …Categorías …

– Personajes virtuales– Avatares – Agentes autónomos

LIG-EPFL

Agentes FísicosAgentes FísicosComportamiento físico Comportamiento físico

realista (gestos, expr. realista (gestos, expr. Faciales)Faciales)

Agentes CognitivosAgentes CognitivosComportamiento cognitivo:, Comportamiento cognitivo:,

repr. simbólica, leng. repr. simbólica, leng. natural, procesos natural, procesos cognitivos (planning)cognitivos (planning)



Personajes virtuales

AnanovaKyoko Date Webbie Tookay



Avatares virtuales

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

representación del usuari@representación del usuari@

Active Worlds


Inteligencia Artificial para humanos virtualesAgentes autónomos

Comportamiento autónomo individual y/o Comportamiento autónomo individual y/o colectivocolectivo

LIG-EPFL



Agentes autónomos … inteligentes?

Sistema capaz de cumplir sus objetivosobjetivos

en un entorno complejo y dinámico, sensorizando su entorno y

actuando sobre el mismo.(Maes95)

No hay intervención humana

Flexibilidad en la toma de decisiones (AI-based, Wooldridge)

Autonomía, sociabilidad, reactividad, proactividadAutonomía, sociabilidad, reactividad, proactividad ...

+ fuerte: en base a conceptos humanos, creencias, intenciones, ...


(AI Techniques for NPC Behaviours)(AI Techniques for NPC Behaviours)Animación comportamental

• Comportamiento: Las posibles acciones que los personajes autónomos (Non-Player Characters (NPCs)Non-Player Characters (NPCs)) llevarán a cabo en función de:– el estado de su entorno (e.j. Lemmings)– Localización espacial del usuari@ o estado del mismo (e.j.

Doom, Tekken, Air Combat …)– estado/reglas del juego (e.j. RISK)– propia iniciativa (objetivosobjetivos)

• Flexibilidad en la toma de decisiones (AI-based, WooldridgeAI-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/adelantaratacar/adelantar a otros coches ... sí.

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


Animación comportamental (AI Techniques for NPC Behaviours)(AI Techniques for NPC Behaviours)

Comportamientos Comportamientos reactivosreactivos

• 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... 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.


Formalismos (AI Techniques for NPC Behaviours)(AI Techniques for NPC Behaviours)

Geometría Geometría Geometría Geometría

Precálculos cinemáticos(motion capture) Cinemática Cinemática Cinemática

Simulación dinámica

Comportamientoreactivo

Comportamientoreactivo

Modeladocognitivo

(dirigido por objetivo)IntegraciónIntegración

Comportamiento - Sistema Comportamiento - Sistema motor/actuadormotor/actuador

• Introduciremos tres formalismos:Introduciremos tres formalismos:– Máquinas de estados finitos (Máquinas de estados finitos (Case-based reasoningCase-based reasoning))– Razonamiento basado en reglas (Razonamiento basado en reglas (Rule-based reasoning)Rule-based reasoning)

• Sistemas de producción Sistemas de producción – Planificación jerárquicaPlanificación jerárquica

• Árboles Y/O (Árboles Y/O (AND/OR GraphsAND/OR Graphs))

ReactivosReactivos

DeliberativosDeliberativos


Máquinas de estados finitos

• 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

(AI Techniques for NPC Behaviours)(AI Techniques for NPC Behaviours)

Puerta Cerrada

Abrir Puerta

Puerta Abierta

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


A

B

C

D

1

2

3

3

1

Distintos autómatas basados en la Teoría de autómatas finitos (ATN,

FSTN, ...)(adaptación de A. Whittaker)

A

B

C

D

1

2

3

3

1

ab

d

A

B

C

D

1

2

3

3

1

ab

dState

Percept

Transition

Action

iii

iii

Register

Máquinas de estados finitos ((FFinite inite SState tate TTransition ransition NNetworks)etworks)


Ejemplo: Quake

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

The QUAKE™ FSA



idleidle attackattack deaddead

searchsearch hurthurt

Sees enemySees enemy

Kills enemyKills enemy

Loses interestLoses interestloses sightloses sightof enemyof enemy

Gets killedGets killed

gets hurtgets hurt

Compute LOSCompute LOS

Compute LOSCompute LOS

Compute damageCompute damage

Compute, e.g. time limitCompute, e.g. time limit

retaliateretaliate

Search procedureSearch procedure

Change Change appearanceappearance

• Data-drivenData-driven system ... división entre tareas de programación de perceptspercepts/actionsactions 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

Ejemplo: Quake (comentarios)(AI Techniques for NPC Behaviours)(AI Techniques for NPC Behaviours)



Razonamiento basado en reglas (rule-based systems)

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

robusto

• Elementos– Hechos (memoria dinámica)– Reglas (memoria estática/dinámica?)– Motor de inferencia– Mecanismo de unificación (eficiencia?)(eficiencia?)

• En Entornos Virtuales ha sido utilizada– Toma de decisiones (forward/backward chaining)(forward/backward chaining)– Simulación comportamental [1..n] actores (Ej: Flock of birds (Reynolds)) (forward(forward chaining)chaining)

equilibrio



Sistemas de producción (rule-based systems)

• Las reglas/producciones son de la forma

IF (hechoshechos) THEN (hechos | accioneshechos | acciones)

• … añadir nuevos hechos a la M.T. hará que se disparen nuevas reglas ..

• … proponer acción …

IF (health < 10%) and (Medikit nearby)IF (health < 10%) and (Medikit nearby)

THEN (pick up the Medikit at once)THEN (pick up the Medikit at once)

IF (health < 40%) THEN (health_is_bad) IF (health < 40%) THEN (health_is_bad)

IF (health_is_bad)IF (health_is_bad) and (no plasma_gun)and (no plasma_gun)THEN (situation_is_bad)THEN (situation_is_bad)

forward chainingforward chaining

facts_0

rules

facts_1

facts_2...rules


Elaboration

Propose Operators

Evaluate Proposed Operators

Select One Operator

Perform Operator Actions

Soar



Ejemplo: Soar Quakebots (Laird): QuakeII, Unreal, …QuakeII, Unreal, …

Sistema experto en tiempo real, el conocimiento del juego está codificado en aproximadamente 800 reglas

IF enemy visible AND my health is < very-low-health-value (20%) OR his weapon is much better than mineTHEN propose retreat

(Toma de decisiones: (Toma de decisiones: Inteligencia táctica Inteligencia táctica aplicada a las ppales fases del juego, aplicada a las ppales fases del juego,

coger armas, atacar, retirarse,…)coger armas, atacar, retirarse,…)




Encadenamiento hacia atrás (Backward chaining)

… demostrar que una conclusión/hecho es cierto buscando “hacia “hacia atrás …”atrás …”

IF A and B THEN CIF A and B THEN C

IF C or D THEN EIF C or D THEN E

IF E and F THEN G IF E and F THEN G

demostrar A y B

Demostrar G

… F

Laird, GDC99Laird, GDC99



Computer-Aided Instruction: Steve

• Steve es un humano virtual autónomo para el entrenamiento de tareas de mantenimiento

• Steve se comunica con el usuari@ por medio de voz sintética …

University of Southern CaliforniaUniversity of Southern California



• Control es complicado ... número de reglas ..• ... a menudo muchas reglas se disparan ...• ... consecuencias contradictorias? ... acciones

incompatibles ... conflictosconflictos • ..en algunos casos todas las reglas son plausibles ...

En otros no ... Agrupaciones de reglas ...



Problemas …

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

IF (you are unarmed) IF (you are unarmed) and (guard has not noticed you)and (guard has not noticed you)THENTHEN (wait)(wait)

• 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)(several rules can be applied)

THEN (apply first rules dealing with health)(apply first rules dealing with health)

• Asociar valores numéricos a las reglas (v. certeza/ prob ...)

• Usar estos “marcadores” para resolver el conflicto


• Juegos Interactivos …Cine interactivo ... Planes de “nivel alto”

Ejemplo II: Virtual Storytelling(AI Techniques for NPC Behaviours)(AI Techniques for NPC Behaviours)

Planificación jerárquica

Cavazza, VR00Cavazza, VR00



Generación de la historia …

Los personajes compiten Los personajes compiten por los por los

“recursos/objetos” que “recursos/objetos” que percibe en su escenariopercibe en su escenario

(… The Sims)(… The Sims)

Virtual Storytelling

Planificación jerárquica


Recordemos ...

• Entornos virtuales “tontos”“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


Navegación de actores virtuales (Path-planning)(Path-planning)

• … 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, …



Navegando con información global ...

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

• Ir de A a B evitando obstáculos• Moviemintos válidos 4/8

vecinos• Camino más corto …

DiscretizaciónDiscretizacióndel entornodel entorno



Camino A-B

A

B

• 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.

A

B



• Cada nodo tendrá asociado una función de evaluación o coste

f’(n) = h’(n) + g(n)f’(n) = h’(n) + g(n)

• Coste estático (g(n)g(n)) : derivado a partir de su padre

g(n) g(n) = g(padre) + c(padre,n)

• La función heuristica corresponderá a algún tipo de distancia al nodo/celda objetivo (h’(n) h’(n) estimará a la distancia real h(n) )

A

B

x

z

Distancia Euclidea

Distancia de Manhattan



f’(n) = g(n) + h’(n) f’(n) = g(n) + h’(n)

“Depth-first” component“Breadth-first” component

f’f’ww(n) = (1-w) g(n) + w h’(n)(n) = (1-w) g(n) + w h’(n)

... con pesos (Pohl)... con pesos (Pohl)

w = 0 (breadth-first)w = 1/2 (A*)w = 1 (BF*, with f = h)

… equilibrio entre eficienciay seguridad ...



• 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 !!



La familia de A*La familia de A*

• RTARTA*:*: Real-Time A*. .. Calcula un mvto. por ciclo … no todo el camino off-line

• LRTA*:LRTA*: Learning RTA* (pesos dinámicos, objetivo móvil)

• IDA*:IDA*: Iterative-Deepening A*

• D*:D*: Dynamic A*, permite “replanningreplanning”

• Rd*:Rd*: Variante que utiliza información a cerca de la bondad de la función heurística


... más de 1 agente

… sistemas multiagente (MAS)(MAS) e IAD (distributed problem (distributed problem solving)solving)

¿trabajan en común resolviendo un problema?¿trabajan en común resolviendo un problema?

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 ...contiene a ...

• 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)(general problem-solving technique) ... No confundir con coordinación multi-agente (multi-agent co-ordination)(multi-agent co-ordination)


Multi-agent (High-Level) Co-ordination (simulation agents)

En juegos … NPC co-ordinationNPC co-ordination

– … con el usuari@ (Team Buddies, X-Squad, etc.)– … con otros agentes– ... comportaminto colectivo agentes: coches, hormigas,

aviones, gente …

• Basados en algún lenguaje de comunicación entre agentes

KQMLKQML, ACL (FIPA), COOL, (CFOR)

• Tratamiento de mensajes …Blackboard Controller

Controller Buffer

Battle ScriptOverride

KS Controller

KS1 KS2 KS3

KS Interface

Agent1

Agent2

Agent3

AgentNotificationController

Blackboard

Time

SYSTEMTIME

Message Processing

FormalUnification

KSn

Agentn

KSDB


IAD (resolución de problemas) y Sistemas Multiagente

1 2 3

4

567

8

• 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 Este metodo proporciona resultados similares a RTA* y resultados similares a RTA* y LRTA*, es decir, similar a los LRTA*, es decir, similar a los

mejores métodos de búsqueda mejores métodos de búsqueda heuristicaheuristica LemmingLemming

s’s’


Futuro …

Problemas pendientes …Problemas pendientes …


Entornos virtuales tontostontos e inteligentesinteligentes, viejos algoritmos

de IA para los nuevos dominios gráficos

Miguel Lozano IbáñezGrupo Artec, Instituto de Robótica

Departament d’Informàtica Facultat de Físiques

Universitat de València

Miguel Lozano Ibáñez Grupo Artec, Instituto de Robótica Departament d’Informàtica

Documents

Transcript of Miguel Lozano Ibáñez Grupo Artec, Instituto de Robótica Departament d’Informàtica