De nos jours, le développement des personnages de jeux est devenu une tâche dif-
ficile en raison de la complexité toujours grandissante des jeux vidéos actuels. Pour
diminuer la complexité liée au développement de ces personnages, certaines approches
sont applicables et consistent à utiliser des techniques d'intelligence artificielle. Dans
ce travail, nous proposons d'utiliser des diagrammes états-transitions pour activer un
personnage de jeu vidéo.
Nous étudions les moyens de construire des diagrammes états-transitions et plus
spécifiquement comment les structurer à partir des séquences de jeux. Les performances
des diagrammes construits sont évaluées et nous analysons les possibilités d'améliorer
les rendements obtenus.
Dans nos expérimentations, nous utilisons le jeu de poursuite dénommé Pacman.
Pacman constitue un banc d'essai idéal car il présente un environnement dynamique et
séquentiel et nécessite une prise de décision en temps réel.
Dans ce travail nous tentons d'accomplir les tâches suivantes :
Acquérir des séquences de jeux à travers l'utilisation de l'apprentissage par la
démonstration.
Structurer des diagrammes états-transitions à partir des séquences de jeux.
Analyser la possibilité d'améliorer les performances des diagrammes états-transitions
par l'utilisation des techniques de raisonnement à base de cas et des éléments de
la théorie de l'information. / Nowadays, developing game characters has become a difficult task because of the increasing
complexity of actual video games. To reduce the complexity of developing those
characters, some approaches exist and consist of using artificial intelligence techniques.
In this project, we propose using state machines to activate a video game character.
We learn the means to build state machines and more specifically how to structure
them from game sequences. The performance of those state machines is evaluated and
we analyze the possibility of improving the results.
In our experimentations, we use the pursuit game called Pacman. Pacman constitute
an ideal testbed because it others a dynamic and sequential environment and it calls for
real time decision making.
In this work we are trying to accomplish the following tasks :
Acquire game sequences through usage of learning from demonstration.
Structure the state machines from game sequences.
Analyze the possibility of improving the performances of the state machines by
using case-based reasoning techniques and elements of information theory.
| Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QQLA.2012/29304 |
| Date | 10 1900 |
| Creators | Rugamba, Francis |
| Contributors | Lamontagne, Luc, Mineau, Guy |
| Publisher | Université Laval |
| Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation |
| Format | application/pdf |
| Rights | © Francis Rugamba, 2012 |
Page generated in 0.008 seconds