Denna rapport är av en reflekterande karaktär. Den förmedlar arbetsprocessen och resultatet av ett projekt som gjorts i kursen examensarbete i medier: Dataspelsutveckling vt 2008. Verket som rapporten grundar sig på är en bana gjord för Unreal Tournament 3 (Epic Games, 2007). Banan skall uppnå mina egenstipulerade krav för att en bana skall vara välbalanserad. Texten inleds med en beskrivning av arbetsprocessen och de olika stegen som genomgicks. Den börjar med idén och går vidare i flertalet olika steg till det färdiga resultatet. Därefter visas den färdiga banan upp i form av bilder. Sedan följer en diskussion om resultatet och de problem som uppstod i arbetsprocessen. Slutsatsen är att förutom några få undantag så har min arbetsprocess fungerat bra. Jag anser mig ha skapat en multiplayer-bana som lever upp till mina egenstipulerade krav för en välbalanserad bana.

Detta är en reflekterande rapport tillhörande ett praktiskt examensarbete i form av en spelomgivning till spelet Unreal Tournament 3 (2007). Examensarbetet behandlar trovärdighet i fiktiva medier och hur detta kan uppnås i en spelomgivning med hjälp av ett sammanhängande grafiskt regelverk. I undersökningen av problemområdet används källor inom grafisk kommunikation, film, dataspel och sociologi. Slutsatserna som tas upp är inte definitiva, men rapporten är tänkt att kunna fungera som en möjlig ingång för studier som vidare behandlar trovärdighet i spelomgivningar. Dessutom kan examensarbetet fungera som uppslag för den som vill lära sig mer om miljögrafik i spel och hur denna kan fås att bli sammanhängande.

<p><p>Detta är en reflekterande rapport tillhörande ett praktiskt examensarbete i form av en spelomgivning till spelet <em>Unreal Tournament 3</em> (2007). Examensarbetet behandlar trovärdighet i fiktiva medier och hur detta kan uppnås i en spelomgivning med hjälp av ett sammanhängande grafiskt regelverk. I undersökningen av problemområdet används källor inom grafisk kommunikation, film, dataspel och sociologi. Slutsatserna som tas upp är inte definitiva, men rapporten är tänkt att kunna fungera som en möjlig ingång för studier som vidare behandlar trovärdighet i spelomgivningar. Dessutom kan examensarbetet fungera som uppslag för den som vill lära sig mer om miljögrafik i spel och hur denna kan fås att bli sammanhängande.</p></p>

<p>Denna rapport är av en reflekterande karaktär. Den förmedlar arbetsprocessen och resultatet av ett projekt som gjorts i kursen examensarbete i medier: Dataspelsutveckling vt 2008. Verket som rapporten grundar sig på är en bana gjord för Unreal Tournament 3 (Epic Games, 2007). Banan skall uppnå mina egenstipulerade krav för att en bana skall vara välbalanserad. Texten inleds med en beskrivning av arbetsprocessen och de olika stegen som genomgicks. Den börjar med idén och går vidare i flertalet olika steg till det färdiga resultatet. Därefter visas den färdiga banan upp i form av bilder. Sedan följer en diskussion om resultatet och de problem som uppstod i arbetsprocessen. Slutsatsen är att förutom några få undantag så har min arbetsprocess fungerat bra. Jag anser mig ha skapat en multiplayer-bana som lever upp till mina egenstipulerade krav för en välbalanserad bana.</p>

<p>The goal of this master thesis is to show the benefit of using computer games of the type First Person Shooter, FPS in the field of military simulations. The main focus in this is around a couple of topics. Creating the AI that controls the behaviour of the computer-controlled characters, the bots. Create an environment where it is possible to supervise the bots and also design a framework that enables cooperation between a group of bots, a squad. </p><p>The result is Total Unreal Studio, TUS, a program where it is possible to add bots to a squad, connect them to a game server and inspect what the bots are doing. Several maneuvers that could be applied to a squad has been implemented such as room clearing where the squad clear a building from eventual enemies, room by room and other different attacking strategies. Also it is very easy to create new maneuvres for a squad as effect of the design. </p><p>As the name of the program indicates, the well-known game Unreal Tournament is used as platform for the simulation. But because we use a interface between the game server and TUS, it is possible to switch to any other game and the interface is the only thing that has to be modified. To get good situation awareness a lot of node analysis is required, for instance calculating good sniping positions, pinch points and advantageous locations from where to perform an ambush.</p> / <p>Målet med detta examensarbete är att påvisa fördelen med att använda datorspel av typen FörstaPersonsSpel, FPS, inom militära simuleringar. Huvudinriktningen hos arbetet har rört ett flertal ämnen: att skapa det AI som kontrollerar beteendet hos datorkontrollerade karaktärer, så kallade botar, skapa en miljö där det är möjligt att övervaka botarna och även designa ett ramverk som möjliggör samarbete mellan botar i en grupp. </p><p>Resultatet av examensarbetet är Total Unreal Studio, TUS, en applikation där det är möjligt att lägga till botar i en grupp, ansluta dem till en spelserver och övervaka deras agerande. Flera manövrar för en grupp av botar finns redan implementerade. Ett par av dessa är rumsrensning där stridsgruppens uppgift är att rensa en byggnad från eventuella fiender rum för rum samt andra attackmanövrar. Designens utseende gör även att det är mycket enkelt att lägga till ytterligare manövrar om så önskas.</p><p>Som namnet på programmet indikerar används det välkända spelet Unreal Tournament som plattform för simuleringarna. Mellan spelet och TUS används gränssnittet Gamebots vilket gör det möjligt att byta till vilket spel som helst och det enda som behöver modifieras är gränssnittet. För att botarna ska kunna ta riktiga beslut behövs ett sätt att få uppfattning om omvärlden. Detta fås genom att analysera de navigeringsnoder som är utplacerade. Denna analys kan gå ut på att hitta bra krypskyttenoder eller fördelaktiga platser att anlägga bakhåll.</p>

Rapporten är en reflekterande text som behandlar arbetsprocessen och omkringliggande mål för ett examensarbete inom medier som bedrivits mot Högskolan Skövde. Syftet med examensarbetet har varit att analysera huruvida en iterativ arbetsform inger fler fördelar än nackdelar vid level design till Unreal Tournament 3. Rapporten tar i diskussionsform upp delar ur hela produktionen för att redovisa utmaningar, framsteg och lösningar författaren bemött. En inblick ges för hur en iterativ level design-produktion kan utföras och för- respektive nackdelar gällande olika delar av denna specifika process. Slutsatsen som dras hävdar att det för med sig många fördelar att lägga upp arbetet iterativt. Detta diskuteras med vissa restriktioner då inget annat jämförbart arbete med annan arbetsprocess bedrivits av författaren som denne kan jämföra med.

The goal of this master thesis is to show the benefit of using computer games of the type First Person Shooter, FPS in the field of military simulations. The main focus in this is around a couple of topics. Creating the AI that controls the behaviour of the computer-controlled characters, the bots. Create an environment where it is possible to supervise the bots and also design a framework that enables cooperation between a group of bots, a squad. The result is Total Unreal Studio, TUS, a program where it is possible to add bots to a squad, connect them to a game server and inspect what the bots are doing. Several maneuvers that could be applied to a squad has been implemented such as room clearing where the squad clear a building from eventual enemies, room by room and other different attacking strategies. Also it is very easy to create new maneuvres for a squad as effect of the design. As the name of the program indicates, the well-known game Unreal Tournament is used as platform for the simulation. But because we use a interface between the game server and TUS, it is possible to switch to any other game and the interface is the only thing that has to be modified. To get good situation awareness a lot of node analysis is required, for instance calculating good sniping positions, pinch points and advantageous locations from where to perform an ambush. / Målet med detta examensarbete är att påvisa fördelen med att använda datorspel av typen FörstaPersonsSpel, FPS, inom militära simuleringar. Huvudinriktningen hos arbetet har rört ett flertal ämnen: att skapa det AI som kontrollerar beteendet hos datorkontrollerade karaktärer, så kallade botar, skapa en miljö där det är möjligt att övervaka botarna och även designa ett ramverk som möjliggör samarbete mellan botar i en grupp. Resultatet av examensarbetet är Total Unreal Studio, TUS, en applikation där det är möjligt att lägga till botar i en grupp, ansluta dem till en spelserver och övervaka deras agerande. Flera manövrar för en grupp av botar finns redan implementerade. Ett par av dessa är rumsrensning där stridsgruppens uppgift är att rensa en byggnad från eventuella fiender rum för rum samt andra attackmanövrar. Designens utseende gör även att det är mycket enkelt att lägga till ytterligare manövrar om så önskas. Som namnet på programmet indikerar används det välkända spelet Unreal Tournament som plattform för simuleringarna. Mellan spelet och TUS används gränssnittet Gamebots vilket gör det möjligt att byta till vilket spel som helst och det enda som behöver modifieras är gränssnittet. För att botarna ska kunna ta riktiga beslut behövs ett sätt att få uppfattning om omvärlden. Detta fås genom att analysera de navigeringsnoder som är utplacerade. Denna analys kan gå ut på att hitta bra krypskyttenoder eller fördelaktiga platser att anlägga bakhåll.

<p>Rapporten är en reflekterande text som behandlar arbetsprocessen och omkringliggande mål för ett examensarbete inom medier som bedrivits mot Högskolan Skövde. Syftet med examensarbetet har varit att analysera huruvida en iterativ arbetsform inger fler fördelar än nackdelar vid level design till Unreal Tournament 3. Rapporten tar i diskussionsform upp delar ur hela produktionen för att redovisa utmaningar, framsteg och lösningar författaren bemött. En inblick ges för hur en iterativ level design-produktion kan utföras och för- respektive nackdelar gällande olika delar av denna specifika process. Slutsatsen som dras hävdar att det för med sig många fördelar att lägga upp arbetet iterativt. Detta diskuteras med vissa restriktioner då inget annat jämförbart arbete med annan arbetsprocess bedrivits av författaren som denne kan jämföra med.</p>

Este trabalho investiga a aplicação de rede de comportamentos estendidas ao domínio de jogos de computador. Redes de comportamentos estendidas (RCE) são uma classe de arquiteturas para seleção de ações capazes de selecionar bons conjuntos de ações para agentes complexos situados em ambientes contínuos e dinâmicos. Foram aplicadas com sucesso na Robocup, mas nunca foram aplicadas a jogos. PHISH-Nets, um modelo de redes de comportamentos capaz de selecionar apenas uma ação por vez, foi aplicado à modelagem de personagens, com bons resultados. Apesar de RCEs serem aplicáveis a um conjunto de domínios maior, nunca foram usadas para modelagem de personagens. Apresenta-se como projetar um agente controlado por uma rede de comportamentos para o domínio do Unreal Tournament e como integrar a rede de comportamentos a sensores nebulosos e comportamentos baseados em máquinas de estado-finito aumentadas. Investiga-se a qualidade da seleção de ações e a correção do mecanismo em uma série de experimentos. A performance é medida através da comparação das pontuações de um agente baseado em redes de comportamentos com outros dois agentes. Um dos agentes foi implementado por outro grupo e usava sensores, efetores e comportamentos diferentes. O outro agente era idêntico ao agente baseado em RCEs, exceto pelo mecanismo de controle empregado. A modelagem de personalidade é investigada através do projeto e análise de cinco estereótipos: Samurai, Veterano, Berserker, Novato e Covarde. Apresenta-se três maneiras de construir personalidades e situa-se este trabalho dentro de outras abordagems de projeto de personalidades. Conclui-se que a rede de comportamentos estendida é um bom mecanismo de seleção de ações para o domínio de jogos de computador e um mecanismo interessante para a construção de agentes com personalidades simples. / This work investigates the application of extended behavior networks to the computer game domain. We use as our test bed the game Unreal Tournament. Extended Behavior Networks (EBNs) are a class of action selection architectures capable of selecting a good set of actions for complex agents situated in continuous and dynamic environments. They have been successfully applied to the Robocup, but never before used in computer games. PHISH-Nets, a behavior network model capable of selecting just single actions, was applied to character modeling with promising results. Although extended behavior networks are applicable to a larger domain, they had not been used to character modeling before. We present how to design an agent with extended behavior networks, fuzzy sensors and finite-state machine based behaviors. We investigate the quality of the action selection mechanism and its correctness in a series of experiments. The performance is assessed comparing the scores of an agent using an extended behavior network against a plain reactive agent with identical sensory-motor apparatus and against a totally different agent built around finite-state machines. We investigate how EBNs fare on agent personality modeling via the design and analysis of five stereotypes in Unreal Tournament. We discuss three ways to build character personas and situate our work within other approaches. We conclude that extended behavior networks are a good action selection architecture for the computer game domain and an interesting mechanism to build agents with simple personalities.

Este trabalho investiga a aplicação de rede de comportamentos estendidas ao domínio de jogos de computador. Redes de comportamentos estendidas (RCE) são uma classe de arquiteturas para seleção de ações capazes de selecionar bons conjuntos de ações para agentes complexos situados em ambientes contínuos e dinâmicos. Foram aplicadas com sucesso na Robocup, mas nunca foram aplicadas a jogos. PHISH-Nets, um modelo de redes de comportamentos capaz de selecionar apenas uma ação por vez, foi aplicado à modelagem de personagens, com bons resultados. Apesar de RCEs serem aplicáveis a um conjunto de domínios maior, nunca foram usadas para modelagem de personagens. Apresenta-se como projetar um agente controlado por uma rede de comportamentos para o domínio do Unreal Tournament e como integrar a rede de comportamentos a sensores nebulosos e comportamentos baseados em máquinas de estado-finito aumentadas. Investiga-se a qualidade da seleção de ações e a correção do mecanismo em uma série de experimentos. A performance é medida através da comparação das pontuações de um agente baseado em redes de comportamentos com outros dois agentes. Um dos agentes foi implementado por outro grupo e usava sensores, efetores e comportamentos diferentes. O outro agente era idêntico ao agente baseado em RCEs, exceto pelo mecanismo de controle empregado. A modelagem de personalidade é investigada através do projeto e análise de cinco estereótipos: Samurai, Veterano, Berserker, Novato e Covarde. Apresenta-se três maneiras de construir personalidades e situa-se este trabalho dentro de outras abordagems de projeto de personalidades. Conclui-se que a rede de comportamentos estendida é um bom mecanismo de seleção de ações para o domínio de jogos de computador e um mecanismo interessante para a construção de agentes com personalidades simples. / This work investigates the application of extended behavior networks to the computer game domain. We use as our test bed the game Unreal Tournament. Extended Behavior Networks (EBNs) are a class of action selection architectures capable of selecting a good set of actions for complex agents situated in continuous and dynamic environments. They have been successfully applied to the Robocup, but never before used in computer games. PHISH-Nets, a behavior network model capable of selecting just single actions, was applied to character modeling with promising results. Although extended behavior networks are applicable to a larger domain, they had not been used to character modeling before. We present how to design an agent with extended behavior networks, fuzzy sensors and finite-state machine based behaviors. We investigate the quality of the action selection mechanism and its correctness in a series of experiments. The performance is assessed comparing the scores of an agent using an extended behavior network against a plain reactive agent with identical sensory-motor apparatus and against a totally different agent built around finite-state machines. We investigate how EBNs fare on agent personality modeling via the design and analysis of five stereotypes in Unreal Tournament. We discuss three ways to build character personas and situate our work within other approaches. We conclude that extended behavior networks are a good action selection architecture for the computer game domain and an interesting mechanism to build agents with simple personalities.