I have in my thesis produced a start of a multiplayer, voxel, strategy sandbox game with advanced AI. The world is made out of voxels in the form of blocks that both the players and other units can affect and change. In a world where every block follows the laws of physics for both fluids and physics. The game is designed for several players that fights for controll over land and resources. / Jag har i mitt examensarbete producerat en början av ett flerspelar, voxel, strategi och sandlådespel med avancerad AI. Världen är uppbyggd av voxlar i form av block som både spelaren och andra enheter har möjlighet att påverka och förändra. En värld där varje block följer fysiska lagar för både vätska och fysik. Spelet är designat för flera spelare som strider om områden och resurser med hjälp av sina AI kontrollerade bybor.

Spel idag kräver en enorm mängd arbetstimmar för att skapas, därför behövs alltid sätt att spara tid och automatisera processer. Algoritmer för polygoniseringen av skalärfält, som Marching Cubes, har under de senaste åren blivit ett allt vanligare tillvägagångssätt för att automatiskt generera terräng. Scenkomplexiteten och kraven för visuell kvalitet i dagens spel ökar ständigt. Därmed kommer också kravet för prestandaeffektiva renderingsmetoder. Deferred rendering är en renderingsmetod som kan hantera scener med stora mängder ljuskällor och hög scenkomplexitet samtidigt. För att undersöka integreringen mellan procedurellt skapad terräng och en deferred rendering pipeline, skapades en applikation i DirectX 11 för att undersöka implementeringen och potentiella optimeringar av denna integration. / Detta projekt handlar om slumpmässig procedurell skapning av digital terräng för bruk inom datorspel, och hur man i denna kontext kan ta nytta av en grafikmotor som använder renderingstekniken deferred rendering. / Carl Engström can be reached at: Phone: 076-102 86 00 Mail: Lemmibl@gmail.com Felix Nawrin Oxing can be reached at: Mail: felix@nawrin-oxing.se

This paper will detail the prototyping and subsequent production of an digital narrative experience utilizing the theories of Vladimir Propp. The prototype will examine the theories detailed in Propps Morphology of the Folktale. It will implement Propps narrative functions according to a general scheme, connected by connectives. The prototype will dynamically generate narratives according to this scheme. Finally, this paper will draw conclusions about the advantages of a Propp-based system of narrative generation and the narratives produced compared to other digital narratives, such as hypertext.

Embodied Conversational Agents (ECAs)’ gestures can enhance human perception in many dimensions during interactions. In recent years, data-driven gesture generation approaches for ECAs have attracted considerable research attention and effort, and methods have been continuously optimized. Researchers have typically used human-agent interaction for user studies when evaluating systems of ECAs that generate rule-based gestures. However, when evaluating the performance of ECAs that generate gestures based on data-driven methods, participants are often required to watch prerecorded videos, which cannot provide an adequate assessment of human perception during the interaction. To address this limitation, we proposed two main research objectives: First, to explore the workflow of assessing data-driven gesturing ECAs through real-time interaction. Second, to investigate whether gestures could affect ECAs’ human-likeness, animacy, perceived intelligence, and humans’ focused attention in ECAs. Our user study required participants to interact with two ECAs by setting two experimental conditions with and without hand gestures. Both subjective data from the participants’ self-report questionnaire and objective data from the gaze tracker were collected. To our knowledge, the current study represents the first attempt to evaluate data-driven gesturing ECAs through real-time interaction and the first experiment using gaze-tracking to examine the effect of ECA gestures. The eye-gazing data indicated that when an ECA can generate gestures, it would attract more attention to its body. / Förkroppsligade konversationsagenter (Embodied Conversational Agents, ECAs) gester kan förbättra människans uppfattning i många dimensioner under interaktioner. Under de senaste åren har datadrivna metoder för att generera gester för ECA:er fått stor uppmärksamhet och stora ansträngningar inom forskningen, och metoderna har kontinuerligt optimerats. Forskare har vanligtvis använt sig av interaktion mellan människa och agent för användarstudier när de utvärderat system för ECA:er som genererar regelbaserade gester. När man utvärderar prestandan hos ECA:er som genererar gester baserat på datadrivna metoder måste deltagarna ofta titta på förinspelade videor, vilket inte ger en adekvat bedömning av människans uppfattning under interaktionen. För att åtgärda denna begränsning föreslog vi två huvudsakliga forskningsmål: För det första att utforska arbetsflödet för att bedöma datadrivna ECA:er för gester genom interaktion i realtid. För det andra att undersöka om gester kan påverka ECA:s människoliknande, animerade karaktär, upplevd intelligens och människors fokuserade uppmärksamhet i ECA:s. I vår användarstudie fick deltagarna interagera med två ECA:er genom att ställa in två experimentella villkor med och utan handgester. Både subjektiva data från deltagarnas självrapporterande frågeformulär och objektiva data från gaze tracker samlades in. Såvitt vi vet är den aktuella studien det första försöket att utvärdera datadrivna ECA:er med gester genom interaktion i realtid och det första experimentet där man använder blickspårning för att undersöka effekten av ECA:s gester. Uppgifterna om blickspårning visade att när en ECA kan generera gester skulle den locka mer uppmärksamhet till sin kropp.

Utsläpp av CO2 till atmosfären bidrar till ökningen av globala temperaturer. Industrisektorn står för 20 % av utsläppen och utav dessa kommer 6 % från pappers- och massaindustrin. För att lyckas minska den globala temperaturhöjningen till under 1,5 °C hjälper det inte bara att minska utsläppen. Även negativa utsläpp måste genereras. Syftet med denna studie är att undersöka implementeringen av CLG för att separera CO2 på ett energieffektivt sätt och samtidigt generera H2 och elektricitet. Processanalyser genomfördes för att undersöka möjligheten att implementera CLG-processen till ett typiskt massabruk. Processmodeller togs fram for att undersöka CLG, värmeåtervinning samt elektricitetsgenerering. Processmodellerna utvecklades med hjälp av Aspen Plus och Aspen HYSYS. De framtagna modellerna analyserades sedan med avseende på olika designparametrar inom CLG-processen. På ett typiskt massabruk som producerar 800 000 adt varje år kan 375 kg CO2/adt separeras och då uppnå negativa utsläpp, genom att byta ut multi-fuel forsrännaren med en CLG process. Den framtagna processmodellen skulle också kunna generera 360-504 kWh/adt av H2 beroende på de designparametrar som används för CLG-processen. Enligt modellen kan värme som återvinns från processen användas för att fånga upp ytterligare 13 % av CO2 från andra delar av bruket. Processanalys för olika designparametrar inom CLG systemet så som temperatur, luftflöde och flödet av syrgasbärare har presenterats. Nyckeltalen som undersöktes var den mängd CO2 som kunde fångas upp, mängd H2 genererad samt överskottet av elektricitet som produceras när multi-fuel förbränningen byts ut mot en CLG-process på ett typiskt massa bruk. / Emissions of CO2 to the atmosphere are contributing to the global temperature rise. The industrial sector contributed to 20 % of the emissions and out of that, 6 % are generated from the pulp and paper industry. To limit the temperature increase below 1,5 °C, the emissions not only need to be reduced but also negative emissions should be generated from different sectors. The purpose of this study is to realize the implementation of Chemical Looping Gasification (CLG) to separate CO2 (for permanent storage) in an energy-efficient way while co-generating H2 as well as electricity. Process analysis was carried out to investigate the possibility of substituting the multifuel boiler in a typical pulp mill with a CLG process. Process models for the CLG, heat recovery and electricity generation process were developed using AspenPlus and Aspen HYSYS. The process was analysed for different design conditions (temperature, autothermal condition, air flow, oxygen carrier flow) in the CLG process. It was found that in a typical pulp mill producing 800 000 adt per year, 375 kg- CO2/adt (14 % of total emissions from the process) can be inherently separated for storage to achieve negative emissions, if the multi-fuel boiler is replaced with a CLG unit. This process will also be able to generate 360-504 kWh/adt H2 depending on the design conditions in the CLG process. Heat recovered from the CLG unit can be utilized in capturing approximately 13 % additional CO2 from other sources in the pulp mill. Process analysis for different design conditions in CLG (temperature, airflow, oxygen carrier flow) have been presented. The key performance indicators were CO2 capture rates, H2 generated and net electrical output from the process.

The Leksell Gamma Knife® is an instrument designed for high precision treatment of tumours and lesions located in the brain and upper spine. Today, the radioactive cobalt-60 sources can only move linearly along the radiation unit, but the machine could be modified to include rotational motion as well. We extend an existing linear programming approach to inverse planning for the Gamma Knife by examining the benefits from rotational degrees of freedom. The improvements offered from rotations are limited, but easy to make use of. We investigate the model in four patient cases, and find that an upper bound on the improvement of the optimization cost function is between 4.5% and 7.0% depending on case. With a total of four angles distributed uniformly over a 45 degree interval, one can in each case achieve a solution that performs up to within 1% of this bound. The average maximal improvements in terms of clinical metrics are 0.5% selectivity and 1.9% gradient index, at the cost of 5.9% worse beam-on time. No statistically significant change in coverage is found. A dynamic model based on column generation is proposed, which allows treatment during constant velocity angular motion and can achieve practically the same plan quality as the model with uniformly distributed angles at a significantly lower problem size. A similar algorithm can be designed to locate the most effective angles in a non-uniform manner that achieves better plans with fewer added rotational degrees of freedom. Trade-offs between memory and solution times are used to successively reduce the RAM occupation by around 90% and make significantly larger models computationally feasible to solve. A voxel clustering approach with emphasis on surface voxels, adapted to the radiosurgical framework, can significantly reduce the problem size while still producing competitive plans. / Strålkniven Leksell Gamma Knife® är ett instrument designat för högprecisionsbestrålning av tumörer och lesioner i hjärnan och övre delen av ryggraden. Idag kan de radioaktiva källorna endast förflyttas linjärt under behandlingen, men maskinen skulle kunna modifieras för att även tillåta rotationsrörelser. Vi utvidgar ett ramverk för inversplanering, formulerat som ett linjär-programmeringsproblem, genom att undersöka fördelarna med nya rotationsfrihetsgrader. Förbättringarna som rotationer möjliggör är begränsade, men kan relativt enkelt tas till vara. Vi undersöker de potentiella förändringarna i fyra patientfall och finner att den övre gränsen av förbättringarna för målfunktionsvärdet i optimeringsproblemet är mellan 4.5% och 7.0% beroende på fall. Genom att tillåta rotation av källorna till fyra jämnt fördelade vinklar över 45 grader kan man i samtliga fall hitta en lösning som är inom 1% från det bästa målfunktionsvärdet. De genomsnittliga förbättringarna i form av kliniska metriker är 0.5% selektivitet och 1.9% gradient-index, dock på bekostnad av en försämring av bestrålningstiden med 5.9%. Ingen tydlig förändring av täckningen kunde påvisas. En modell baserad på kolumngenerering, som tillåter behandling under rotation av kollimator-kroppen med konstant hastighet, föreslås. I denna modell kan praktiskt taget lika bra lösningar uppnås som för likformigt fördelade vinklar, men med betydligt mindre problemstorlek. En liknande algoritm kan lokalisera de mest effektiva vinklarna och åstadkomma samma plankvalitet med färre, men olikformt fördelade, rotationsfrihetsgrader. RAM-användningen kan reduceras med cirka 90% genom avvägningar mellan minne och beräknings-tider, vilket möjliggör lösning av probleminstanser som tidigare var beräkningsmässigt omöjliga. Klustringsmetoder av voxlar anpassade till strålkniven kan minska problemstorleken betydelsefullt medan de resulterande behandlingsplanerna är fortsatt konkurrenskraftiga.

Det här arbetet beskriver implementationen av en rytmbaserad algoritm för att procedurellt generera plattformsbanor och hur den anpassats för att passa nedåtgående spel, i syfte att undersöka vilken kapacitet det resulterande programmet har för att skapa banor som skiljer sig från varandra. Undersökningen utfördes genom att låta artefakten generera ett större antal banor och jämföra värden mellan olika rytmer. Mätvärdena som iakttogs baserades på hur mycket banorna avvek från en mittlinje och på frekvensen av banelement som innebar konsekvenser för spelaren. Resultatet av undersökningen tyder på att rytmbaserad bangenerering har förmågan att generera vitt skilda banor för nedåtgående plattformsspel och att det därför finns ett värde i fortsatt utveckling och undersökningar i form av användarstudier av hur utmanande eller underhållande banorna upplevs, samt för att utveckla algoritmen till att ha parametrar för att låta bandesigners styra hur olika rytmer kan kombineras till banor. / <p>Det finns övrigt digitalt material (t.ex. film-, bild- eller ljudfiler) eller modeller/artefakter tillhörande examensarbetet som ska skickas till arkivet.</p><p>There are other digital material (eg film, image or audio files) or models/artifacts that belongs to the thesis and need to be archived.</p>

Cloud computing is the concept of enabling access to computational resources from anywhere and from any device. Many companies are seeing the benefits of cloud computing and are migrating over to the cloud. However, migrating to the cloud raises customer-related security risks. To mitigate the risk of a data breaches companies need to learn how to defend against hackers and one of the tools that can increase knowledge surrounding cloud security is CloudGoat. CloudGoat gives the defender hands-on hacking experience by providing a handful of hacking challenges. The problem with CloudGoat is that the hacking challenges are all manually created. The hacking community is always evolving. Therefore, this report proposes GoatFarm, a tool to automatically assemble hacking challenges from predefined cloud resources. One of the scenarios presented in CloudGoat was picked as a starting point. The chosen hacking challenge was modified multiple times and when a hacking challenge with a achievable goal was created the modification was saved. Goatfarm managed to generate two new hacking challenges. The generated hacking challenges was manually verified by reaching the goal of the generated hacking challenge. Since the generated hacking challenges had an achievable goal, they can be used as a learning experience. However, this report only managed to generate two new hacking challenges. Further work could generate more hacking challenges to create a complete learning experience. The verification could also be more effective by using a tool to assess the generated hacking challenges automatically. / Molntjänster är ett koncept som möjliggör åtkomst till dataresurser från var som helst och från vilken enhet som helst. Många företag ser fördelarna med molntjänster och migrerar över till molnet. Att migrera till molnet innebär däremot kundrelaterade säkerhetsrisker. För att minska risken för dataintrång måste företag lära sig att försvara sig mot hackare och ett av verktygen som kan öka kunskapen kring molnsäkerhet är CloudGoat. CloudGoat ger försvararen en praktisk hackingupplevelse genom att tillhandahålla en handfull hackningsutmaningar. Problemet med CloudGoat är att alla hackningsutmaningar skapas manuellt. Hacking kunskapen utvecklas hela tiden. Därför föreslår denna rapport GoatFarm, ett verktyg för att automatiskt sammanställa hackningsutmaningar från fördefinierade molnresurser. Ett av scenarierna som presenteras i CloudGoat valdes som utgångspunkt. Den valda hackningsutmaningen modifierades flera gånger och när en hackningsutmaning med ett uppnåeligt mål skapades sparades modifieringen. Goatfarm lyckades generera två nya hackningsutmaningar. De genererade hackningsutmaningarna verifierades manuellt genom att nå målet med hackningsutmaningen. Eftersom de genererade hackningsutmaningarna har ett uppnåeligt mål kan de användas i lärande ändamål. Den här rapporten lyckades dock bara generera två nya hackningsutmaningar. Ytterligare arbete bör generera fler hackningsutmaningar för att skapa en komplett inlärningsupplevelse. Verifieringen kan också bli mer effektiv genom att använda ett verktyg för att automatiskt bedöma de genererade hackningsutmaningarna.

In recent years, generative AI has quickly become a new creative and artistic tool that could challenge our understanding of the creative process and the role of the machine. Despite having exhibited visually promising results, images generated by AI tools present various challenges, most notably their tendency to display cultural, gender and racial biases. The objective of the project is to speculate on the concept and prototype of an alternative text-to-image generation system, designed to mitigate biases from linguistic and cultural differences, and facilitate diversity in machine creativity. muGen, the final design, is a fictional system that allows the user to generate images using data in different languages, while adding user controls such as time period to better associate user’s idea with the system. / Under de senaste åren har generativ AI snabbt blivit ett nytt kreativt och konstnärligt verktyg som kan utmana vår förståelse av den kreativa processen och maskinens roll. Trots att bilder som genererats av AI-verktyg har uppvisat visuellt lovande resultat finns det flera utmaningar, framför allt deras tendens att visa kulturella, köns- och rasmässiga partiskhet. Syftet med projektet är att spekulera kring konceptet och prototypen för ett alternativt text-till-bild-genereringssystem, utformat för att mildra partiskhet från språkliga och kulturella skillnader, och underlätta mångfald i maskinkreativitet. muGen, den slutliga designen, är ett fiktivt system som låter användaren generera bilder med hjälp av data på olika språk, samtidigt som det lägger till användarkontroller som tidsperiod för att bättre associera användarens idé med systemet.

The development of autonomous driving in recent years has been in full swing and one of the aspects that Autonomous Vehicles (AVs) should always focus on is safety. Although the corresponding technology has gradually matured, and AVs have performed well in a large number of tests, people are still uncertain whether AVs can cope with all possible situations. This world is complex and ever-changing, experiencing countless disturbances every moment, and according to The Butterfly Effect, even the most insignificant small disturbance may set off a huge storm in the near future. If AVs really enter people’s daily lives, they will inevitably encounter many unexpected situations that have never been experienced before. Thus how to ensure that AVs can handle these well has become the most important issue at the moment. It is necessary to give the Automated Driving System (ADS) sufficient challenges during training and testing for acceptable safety and stability. However, dangerous and extreme driving scenarios in the real world are very rare, and it is also very expensive for such a test to be carried out in reality. Therefore, artificially creating a series of critical driving scenarios then training and testing the ADS in a simulation environment has become the current mainstream solution. This thesis project builds a complete framework for the automatic generation, simulation, and analysis of safety-critical driving scenarios. First, the specified scenarios and features are sequentially extracted from the naturalistic driving dataset through pre-defined rules; then a Density Estimation Model is adopted to learn the features, trying to find the distribution of the specified scenarios; after the distribution is obtained, synthetic driving scenarios can be obtained by sampling. Finally, visualize these synthetic scenarios via simulation for safety assessment and data analysis. / Utvecklingen av självkörande fordon har varit i full gång de senaste åre och en av aspekterna som självkörande alltid bör fokusera på är säkerheten. Även om motsvarande teknik gradvis har mognat, och självkörande har presterat bra i ett stort antal tester, är människor fortfarande osäkra på om självkörande klarar av alla möjliga situationer. Den här världen är komplex och ständigt föränderlig, upplever otaliga störningar varje ögonblick, och enligt The Butterfly Effect kan även den mest obetydliga lilla störningen sätta igång en enorm storm inom en snar framtid. Om självkörande verkligen kommer in i människors dagliga liv kommer de oundvikligen att möta många oväntade situationer som aldrig har upplevts tidigare. Så hur man säkerställer att självkörande kan hantera dessa väl har blivit den viktigaste frågan för tillfället. Det är nödvändigt att ge självkörande tillräckliga utmaningar underträning och testning för acceptabel säkerhet och stabilitet. Men farliga och extrema körscenarier i den verkliga världen är mycket sällsynta, och det är också mycket dyrt att genomföra ett sådant test i verkligheten. Att på konstgjord väg skapa en serie kritiska körscenarier och sedan träna och testa det automatiserade körsystemet i en simuleringsmiljö har därför blivit den nuvarande vanliga lösningen. Detta examensarbete bygger ett komplett ramverk för automatisk generering, simulering och analys av säkerhetskritiska körscenarier. Först extraheras de specificerade scenarierna och funktionerna sekventiellt från den naturalistiska kördatauppsättningen genom fördefinierade regler; sedan antas en densitetsuppskattningsmodell för att lära sig funktionerna och försöka hitta fördelningen av de specificerade scenarierna; efter att fördelningen erhållits kan syntetiska körscenarier erhållas genom provtagning. Slutligen, visualisera dessa syntetiska scenarier via simulering för säkerhetsbedömning och dataanalys.