-
Apresentação
Apresentação
Esta UC tem como objetivo conferir competências no campo da Inteligência Artificial orientada ao desenvolvimento de videojogos (IAVJ), dotando os alunos de conhecimentos sólidos e estruturados que lhes permitam entender conceitos teóricos e desenvolver código para resolução de problemas práticos de IAVJ.
-
Disciplina do curso
Disciplina do curso
-
Grau | Semestres | ECTS
Grau | Semestres | ECTS
Licenciado | Semestral | 6
-
Ano | Natureza | Lingua
Ano | Natureza | Lingua
2 | Opcional | Português
-
Código
Código
ULHT1075-2129
-
Pré-requisitos e co-requisitos
Pré-requisitos e co-requisitos
Não aplicável
-
Estágio Profissional
Estágio Profissional
Não
-
Conteúdos Programáticos
Conteúdos Programáticos
Noções básicas de IA para jogos. Movimento e movimento inteligente: movimento 2D e 3D, direção/condução, previsão de localização. Procura de caminhos, orientação e navegação: grafos, algoritmos de Dijkstra e A*, grelhas e malhas de navegação, funções de custo; movimento coordenado, emergente e com waypoints. Decisões: árvores de decisão, máquinas de estados, árvores de comportamento, outras abordagens. Aprendizagem: noções básicas, hill climbing, annealing, algoritmos genéticos, previsão de ações, classificadores de Bayes, outras abordagens. Jogos de tabuleiro: noções básicas, família de algoritmos minimax, MCTS, outras abordagens. Geração procedimental de conteúdos.
-
Objetivos
Objetivos
Domínio das noções básicas de Inteligência Artificial para videojogos. Domínio de conceitos básicos e intermédios de movimento inteligente e procura de caminhos em videojogos. Domínio de conceitos intermédios e avançados na tomada de decisões por parte de agentes em videojogos, nomeadamente máquinas de estados, árvores de comportamento, entre outros. Domínio de conceitos básicos de aprendizagem em videojogos. Domínio de tópicos de Inteligência Artificial em jogos de tabuleiro. Capacidade de resolver problemas envolvendo os conceitos adquiridos, tanto a nível abstrato como ao nível prático (i.e. programação).
-
Metodologias de ensino e avaliação
Metodologias de ensino e avaliação
Utilização de protótipos de aprendizagem ativa, como descritos em: Fachada, N., Barreiros, F.F., Lopes, P., & Fonseca, M. (2023). Active Learning Prototypes for Teaching Game AI. In 2023 IEEE Conference on Games (CoG) (pp. TBD). IEEE. Realização de competições internas de IA para jogos, como descritas em: Fachada, N. (2021). ColorShapeLinks: A board game AI competition for educators and students. Computers and Education: Artificial Intelligence, 2, 100014. Componente opcional de investigação após o período normal de avaliação contínua, com o objetivo dos estudantes produzirem um artigo científico da sua autoria, como por exemplo: Fernandes, P. M. et al. (2020). SimpAI: Evolutionary heuristics for the ColorShapeLinks board game competition. In International Conference on Videogame Sciences and Arts (pp. 113-126). Springer. Silva, R. C., Fachada, N., De Andrade, D., & Códices, N. (2022). Procedural generation of 3D maps with snappable meshes. IEEE Access, 10, 43093-43111.
-
Bibliografia principal
Bibliografia principal
Millington, I. (2019). AI for Games (3rd ed.). CRC Press.
-
Horário de Atendimento
Horário de Atendimento
-
Mobilidade
Mobilidade
Não