Inteligência artificial versus aprendizado de máquina: análise em um jogo desenvolvido em unity

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorFeitosa, Juliana da Costa-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorTrofino, Eric-
Data de aceite: dc.date.accessioned2025-08-21T22:51:54Z-
Data de disponibilização: dc.date.available2025-08-21T22:51:54Z-
Data de envio: dc.date.issued2024-11-24-
Data de envio: dc.date.issued2024-11-24-
Data de envio: dc.date.issued2024-11-13-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/11449/258307-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/258307-
Descrição: dc.descriptionEste trabalho compara técnicas de Inteligência Artificial (IA) e Aprendizado de Máquina (ML, do inglês Machine Learning) aplicadas ao desenvolvimento de personagens não- jogáveis (NPCs, do inglês Non-Playable Characters) em jogos eletrônicos, focando no uso do aprendizado por reforço para treinar um agente em um ambiente simulado criado no Unity. Foi implementado um jogo em que o jogador controla um caçador tentando capturar um cervo, sendo este último controlado por um agente com IA tradicional ou treinado por ML. O estudo utiliza métricas de desempenho, como taxa de fuga, tempo de captura e distância média entre os dois, para avaliar a eficácia dos dois agentes. Os resultados mostraram que o agente treinado por ML apresentou melhor desempenho, fugindo por mais tempo do caçador e ocasionalmente aplicando estratégias de fuga inesperadas. A pesquisa contribui para o avanço no desenvolvimento de jogos ao explorar como o ML pode gerar comportamentos mais dinâmicos e imersivos para NPCs, possibilitando novas abordagens para desafios e interações em jogos eletrônicos.-
Descrição: dc.descriptionThis work compares Artificial Intelligence (AI) and Machine Learning (ML) techniques applied to the development of Non-Playable Characters (NPCs) in video games, focusing on the use of reinforcement learning to train an agent in a simulated environment created in Unity. A game was implemented where the player controls a hunter trying to capture a deer, with the latter controlled by either a traditional AI or an ML-trained agent. The study uses performance metrics, such as escape rate, capture time, and average distance between the two, to evaluate the effectiveness of both agents. The results showed that the ML-trained agent performed better, evading the hunter for longer periods and occasionally employing unexpected escape strategies. This research contributes to game development advancements by exploring how ML can produce more dynamic and immersive behaviors for NPCs, enabling new approaches to challenges and interactions in video games.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Estadual Paulista (UNESP)-
Direitos: dc.rightsinfo:eu-repo/semantics/openAccess-
Palavras-chave: dc.subjectDesenvolvimento de Jogos-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectJogos digitais-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectArtificial inteligence-
Palavras-chave: dc.subjectGame development-
Palavras-chave: dc.subjectDigital games-
Título: dc.titleInteligência artificial versus aprendizado de máquina: análise em um jogo desenvolvido em unity-
Título: dc.titleArtificial intelligence versus machine learning: analysis in a game developed in unity-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.