Publication: Generación de niveles en juegos de plataformas mediante computación evolutiva
Loading...
Identifiers
Publication date
2012-06
Defense date
2012-07-11
Authors
Tutors
Journal Title
Journal ISSN
Volume Title
Publisher
Impact
Export
Abstract
Shigeru Miyamoto creó a Mario en 1983. Desde ese momento, aquel entrañable fontanero que rescataba a una princesa en apuros mientras avanzaba por niveles llenos de enemigos de lo más variopintos, empezó a desarrollar un gran éxito en aquel mundo, todavía incipiente, que es el de los videojuegos. Es por ello que el objetivo de este proyecto es la creación de un generador de niveles para juegos de plataformas (más concretamente, para uno de los juegos con mayor tradición dentro de la categoría de videojuegos de plataformas: el Mario AI que consiga realizar conjuntos de niveles de una determinada dificultad y, además, intente ser lo más divertido posible para el jugador. Según la comunidad científica, a lo largo de la historia de los videojuegos todavía no se ha desarrollado y comercializado un generador que cumpla estas características para juegos de plataformas (los juegos que han perfeccionado esta característica han sido de estrategia en su mayoría). Así que se propone un generador basado en la Inteligencia Artificial, más concretamente, que pertenezca a la computación evolutiva (es una rama de la AI, inspirada en la evolución biológica) mediante la aplicación de niveles que presentan aleatoriedad con parámetros definidos, para una vez creados dichos niveles, utilizar un algoritmo genético que sea capaz de generar una población cuyos individuos tengan todos la dificultad que se solicite (sin ser los niveles iguales entre sí). Posteriormente, gracias a la investigación previa realizada, se empleó un agente inteligente (representando el personaje de Mario) desarrollado por Héctor Valero en su PFC que era capaz de utilizar los algoritmos genéticos para finalizar casi cualquier nivel que no fuese imposible. Gracias a esta característica (y puesto que con algoritmos genéticos no se podía determinar con seguridad si un nivel era imposible de resolver o no), se empleó tanto una solución basada en la coevolución como un método de evaluación para el algoritmo genético en el que el agente inteligente determinase lo jugable que era dicho nivel, si su dificultad era verdaderamente la que se creía (o había alguna forma de resolver el nivel que, al realizar acciones concretas durante el juego, lo hiciese más sencillo) o si la imposibilidad de resolverlo era debido a su extrema dificultad (por lo que era realmente era un nivel posible pero muy complejo), o en efecto, tenía algún contenido que lo convertía en imposible. Finalmente, ante los resultados obtenidos y para poder realizar una aportación en aquel mundo del que se hablaba en el primer párrafo, se pretende enviar estos avances al 2012 Mario AI Championship: Level Generation Track, perteneciente al IEEE, Computational Intelligence and AI in Game.
Description
Keywords
Computación evolutiva, Algoritmos genéticos, Inteligencia artificial, Videojuegos