Criatures Virtuals Emocionals i Ensinistrables per un MMOG Alumne: Carles Ros Martínez Ponent: Oscar García Panyella 15/Nov/2004

Índex Introducció Emocions Aprenentatge Arquitectura Conclusions

Introducció Emocions Aprenentatge Arquitectura Conclusió Importància de les emocions Necessitat de l’aprenentatge Exemple: Black&White Objectiu: Criatures que demostrin emocions Criatures que aprenguin i s’adaptin Criatures aptes per un MMOG (Massively Multiplayer Online Game)

Introducció Emocions Aprenentatge Arquitectura Conclusió Beneficis: Criatures biològicament més plausibles Comunicació de les motivacions Lligam emocional amb les criatures Inconvenients: Camp poc experimentat Alts requeriments de disseny i modelat

Components emocionals Introducció Emocions Aprenentatge Arquitectura Conclusió Sensacions Emocions Estat d’ànim Sentiments Personalitat Sensacions Estímuls Emocions Estat d’ànim Personalitat Sentiments

Introducció Emocions Aprenentatge Arquitectura Conclusió Taula de sensacions Introducció Emocions Aprenentatge Arquitectura Conclusió Relaciona estímuls amb emocions: Taula compartida entre criatures:

Introducció Emocions Aprenentatge Arquitectura Conclusió Generació d’emocions Introducció Emocions Aprenentatge Arquitectura Conclusió Increment instantani Decaïment lent

Introducció Emocions Aprenentatge Arquitectura Conclusió Estat d’ànim Introducció Emocions Aprenentatge Arquitectura Conclusió Components: Emoció dominant / estat emocional neutre Xoc emocional

Introducció Emocions Aprenentatge Arquitectura Conclusió Sentiments Introducció Emocions Aprenentatge Arquitectura Conclusió Sentiment = record de les sensacions vers algú Valor en funció sigmoïdal bipolar Durada permanent Sentiments compartits

Demostració d’emocions Introducció Emocions Aprenentatge Arquitectura Conclusió Imprescindible demostrar les emocions (o passen desapercebudes pel jugador) Com demostrar emocions: Animacions Expressions Gestos Sons Comportaments Alteració de la percepció

Introducció Emocions Aprenentatge Arquitectura Conclusió Beneficis: Realisme Adaptació (on-line) Disseny automàtic de regles (off-line) Inconvenients: Camp relativament nou Risc d’imprevisible (on-line)

Aprenentatge per reforçament Introducció Emocions Aprenentatge Arquitectura Conclusió Filosofia “prova i error” Premi a llarg termini (retorn)

Introducció Emocions Aprenentatge Arquitectura Conclusió Algorisme Q-learning Introducció Emocions Aprenentatge Arquitectura Conclusió Aprèn els valors Q Aprenentatge incremental Premis futurs rebaixats

Introducció Emocions Aprenentatge Arquitectura Conclusió Xarxes neuronals Introducció Emocions Aprenentatge Arquitectura Conclusió Valors Q guardats amb xarxes neuronals Agrupació d’accions en comportaments Compartició de xarxes neuronals

Introducció Emocions Aprenentatge Arquitectura Conclusió Premis Introducció Emocions Aprenentatge Arquitectura Conclusió Procedència: Entorn (estímuls) Emocions Jugador Premi acumulat Taula de premis: Relaciona estímuls, comportaments i premis Compartició de la taula de premis

Política de comportament Introducció Emocions Aprenentatge Arquitectura Conclusió Combinar exploració i explotació Política estocàstica: Política -soft   disminueix amb l’edat Polítiques complementàries

Introducció Emocions Aprenentatge Arquitectura Conclusió Agent embodied Beneficis: Realisme Modularitat Portabilitat Inconvenients: Lleugera sobrecàrrega Més memòria

Sistemes d’una criatura Introducció Emocions Aprenentatge Arquitectura Conclusió Sentits Sistema de percepció Sistema emocional Sistema d’adaptació Sistema de comportament Sistema motor Cos

Introducció Emocions Aprenentatge Arquitectura Conclusió Integració en un MMOG Introducció Emocions Aprenentatge Arquitectura Conclusió Possibilitats: Actualitzar cada criatura a freqüències diferents Actualitzar cada sistema a freqüències diferents Inhibir sistemes Substituir sistemes per versions més “econòmiques”

Introducció Emocions Aprenentatge Arquitectura Conclusió Conclusions Introducció Emocions Aprenentatge Arquitectura Conclusió Aprenentatge: Futur més immediat de la IA dels jocs L’aprenentatge per reforçament s’adequa molt bé als jocs Emocions: Camp molt verd  Resultats encara artificials Les emocions poden permetre als jocs fer el salt al gran públic

Introducció Emocions Aprenentatge Arquitectura Conclusió Línies de futur Introducció Emocions Aprenentatge Arquitectura Conclusió Aprenentatge a nivell d’acció Passions Empatia Experiment en un MMOG real

Criatures Virtuals Emocionals i Ensinistrables per un MMOG Alumne: Carles Ros Martínez Ponent: Oscar García Panyella 15/Nov/2004