Redes neurais e algoritmos hierárquicos de pathfinding para computação de elevação e inclinação na busca de caminhos em terrenos virtuais
Resumo
Em jogos de computador e simuladores virtuais, a diversão, a dificuldade e a
variabilidade dos desafios de entretenimento e/ou treinamento estão diretamente
relacionados ao comportamento dos personagens inseridos nos ambientes virtuais
construídos. Em termos de comportamento, uma das principais características
desses personagens é a capacidade de movimentação por caminhos que são
automaticamente computados. Para isto, algoritmos de busca de caminhos
(pathfinding) têm ganhado uma maior importância na área de Inteligência Artificial
(IA) principalmente quando considerados em conjunto com as redes neurais
profundas (Deep Neural Networks - DNN). Porém, a integração destas áreas de
pesquisa da IA ainda não apresenta padrões claramente estabelecidos,
principalmente quando consideramos que informações de relevo dos terrenos
usados devem ser usadas na computação do custo dos caminhos investigados. O
objetivo deste TCC, portanto, é pesquisar, desenvolver e testar algoritmos de
pathfinding hierárquicos que considerem irregularidades de relevo do terreno, e
explorar DNN para otimizar a busca de tais caminhos em terrenos de grandes
dimensões que contêm essas informações topográficas. Com isto, este trabalho
apresenta experimentos com heurísticas tradicionais e heurísticas computadas por
DNN treinadas na execução dos algoritmos de pathfinding A∗ e HPA*, apresentando
uma forma de considerar o relevo do terreno na determinação de caminhos. A partir
da análise estatística dos resultados experimentais obtidos no TCC, é possível
afirmar que o emprego de DNN pode reduzir o custo computacional tanto do A*
como do HPA* considerando o relevo do terreno.
Coleções
Os arquivos de licença a seguir estão associados a este item: