Ferramentas de desenvolvimento para agentes de DOTA 2
| Autor(a) principal: | |
|---|---|
| Data de Publicação: | 2018 |
| Tipo de documento: | Dissertação |
| Idioma: | por |
| Título da fonte: | Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
| Texto Completo: | http://hdl.handle.net/10773/26244 |
Resumo: | Atualmente, são desenvolvidos algoritmos de ML (Machine Learning ) para qualquer ramo da ciência, de forma a resolver problemas dos mais variados géneros. Um ótimo exemplo deste tipo de problema é a área dos videojogos. Apesar de não ser recente, a aplicação de ML para a criação de Inteligências Artificiais (IAs) em videojogos, tem-se tornado num tema cada vez mais desenvolvido, levando a um maior interesse nesta área. Isto deve-se ao crescimento da complexidade de certo tipo de videojogos, como é o exemplo do Defense Of The Ancients 2 (DOTA 2). Atualmente, este videojogo é um dos mais complexos e difícies de jogar, quer seja pela quantidade de informação que um jogador tem de processar ao longo de uma partida, quer seja pela quantidade de decisões que podem ser tomadas em determinado instante da mesma. A dificuldade do DOTA 2 levou a que a criação de IAs para agentes deste jogo se tornasse num trabalho muito interessante e desafiante. Infelizmente, apesar de existirem implementações muito conhecidas e indiscutivelmente eficazes de IAs para agentes de DOTA 2, não existem ferramentas de software de código livre que possibilitem, a um utilizador comum, efetuar este género de implementação. É devido a este facto que se decidiu criar uma framework, nesta tese, de uso simples, com o objetivo de permitir o desenvolvimento de IAs para agentes de DOTA 2 que facilite o processo de aprendizagem e teste dos agentes implementados, recorrendo á automatização de criação de ambientes através da Graphical User Interface (GUI) deste videojogo. Esta dissertação irá focar todos os aspetos relevantes desta interface entre o jogo e um ambiente externo de programação, utilizando a linguagem de programação Python, nomeadamente a Arquitetura do Sistema, onde são definidas todas as características fundamentais da solução apresentada, e a Implementação, onde se encontra detalhado o processo de desenvolvimento deste sistema. |
| id |
RCAP_363de677f8c87f3d58f0fa02e0657c0b |
|---|---|
| oai_identifier_str |
oai:ria.ua.pt:10773/26244 |
| network_acronym_str |
RCAP |
| network_name_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
| repository_id_str |
https://opendoar.ac.uk/repository/7160 |
| spelling |
Ferramentas de desenvolvimento para agentes de DOTA 2DOTA 2VideojogosMachine LearningInteligência ArtificialFerramenta de SoftwareFerramenta de Código AbertoAtualmente, são desenvolvidos algoritmos de ML (Machine Learning ) para qualquer ramo da ciência, de forma a resolver problemas dos mais variados géneros. Um ótimo exemplo deste tipo de problema é a área dos videojogos. Apesar de não ser recente, a aplicação de ML para a criação de Inteligências Artificiais (IAs) em videojogos, tem-se tornado num tema cada vez mais desenvolvido, levando a um maior interesse nesta área. Isto deve-se ao crescimento da complexidade de certo tipo de videojogos, como é o exemplo do Defense Of The Ancients 2 (DOTA 2). Atualmente, este videojogo é um dos mais complexos e difícies de jogar, quer seja pela quantidade de informação que um jogador tem de processar ao longo de uma partida, quer seja pela quantidade de decisões que podem ser tomadas em determinado instante da mesma. A dificuldade do DOTA 2 levou a que a criação de IAs para agentes deste jogo se tornasse num trabalho muito interessante e desafiante. Infelizmente, apesar de existirem implementações muito conhecidas e indiscutivelmente eficazes de IAs para agentes de DOTA 2, não existem ferramentas de software de código livre que possibilitem, a um utilizador comum, efetuar este género de implementação. É devido a este facto que se decidiu criar uma framework, nesta tese, de uso simples, com o objetivo de permitir o desenvolvimento de IAs para agentes de DOTA 2 que facilite o processo de aprendizagem e teste dos agentes implementados, recorrendo á automatização de criação de ambientes através da Graphical User Interface (GUI) deste videojogo. Esta dissertação irá focar todos os aspetos relevantes desta interface entre o jogo e um ambiente externo de programação, utilizando a linguagem de programação Python, nomeadamente a Arquitetura do Sistema, onde são definidas todas as características fundamentais da solução apresentada, e a Implementação, onde se encontra detalhado o processo de desenvolvimento deste sistema.Nowadays, ML (Machine Learning) algorithms are developed to solve problems of various genres, in every field of science. A great example of this kind of problem is the field of video gaming. Although it is not a recent topic, the use of ML to create AI (Artifficial Intelligence) in video games is becoming more and more researched over the last few years. This happens because the complexity in some video games, like Defense Of The Ancients 2 (DOTA 2), has been growing exponentially. Nowadays, this video game is one of the most difficult to play and one of the most complex, in terms of information to be processed by players in an entire match and also in terms of the number of decisions that can be made at a certain moment in a match. The difficulty present in DOTA 2 led to the increasing challenge and interest that is creating AIs for this game's agents. Unfortunately, although there are some arguably effective AI implementations of DOTA 2 agents, there are no available open-source frameworks that can help a common user to develop this kind of implementation. This is why we created, in this thesis, a framework simple to use, with the objective of allowing AI development for DOTA 2 agents, that can ease the process of learning and testing the developed agents, using automatization through the Graphical User Interface (GUI) of this video game. This dissertation will be focused on all of the relevant aspects of this interface between the game and an external programming environment, using the Python programming language, namely the Architecture of this System, where all of the fundamental characteristics of this solution are defined, and the Implementation, where this system's process of development is detailed.2019-06-24T12:38:29Z2018-12-20T00:00:00Z2018-12-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10773/26244TID:202232697porPires, João Pedro Carvalhoinfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2024-05-06T04:20:54Zoai:ria.ua.pt:10773/26244Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-28T14:05:25.072790Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse |
| dc.title.none.fl_str_mv |
Ferramentas de desenvolvimento para agentes de DOTA 2 |
| title |
Ferramentas de desenvolvimento para agentes de DOTA 2 |
| spellingShingle |
Ferramentas de desenvolvimento para agentes de DOTA 2 Pires, João Pedro Carvalho DOTA 2 Videojogos Machine Learning Inteligência Artificial Ferramenta de Software Ferramenta de Código Aberto |
| title_short |
Ferramentas de desenvolvimento para agentes de DOTA 2 |
| title_full |
Ferramentas de desenvolvimento para agentes de DOTA 2 |
| title_fullStr |
Ferramentas de desenvolvimento para agentes de DOTA 2 |
| title_full_unstemmed |
Ferramentas de desenvolvimento para agentes de DOTA 2 |
| title_sort |
Ferramentas de desenvolvimento para agentes de DOTA 2 |
| author |
Pires, João Pedro Carvalho |
| author_facet |
Pires, João Pedro Carvalho |
| author_role |
author |
| dc.contributor.author.fl_str_mv |
Pires, João Pedro Carvalho |
| dc.subject.por.fl_str_mv |
DOTA 2 Videojogos Machine Learning Inteligência Artificial Ferramenta de Software Ferramenta de Código Aberto |
| topic |
DOTA 2 Videojogos Machine Learning Inteligência Artificial Ferramenta de Software Ferramenta de Código Aberto |
| description |
Atualmente, são desenvolvidos algoritmos de ML (Machine Learning ) para qualquer ramo da ciência, de forma a resolver problemas dos mais variados géneros. Um ótimo exemplo deste tipo de problema é a área dos videojogos. Apesar de não ser recente, a aplicação de ML para a criação de Inteligências Artificiais (IAs) em videojogos, tem-se tornado num tema cada vez mais desenvolvido, levando a um maior interesse nesta área. Isto deve-se ao crescimento da complexidade de certo tipo de videojogos, como é o exemplo do Defense Of The Ancients 2 (DOTA 2). Atualmente, este videojogo é um dos mais complexos e difícies de jogar, quer seja pela quantidade de informação que um jogador tem de processar ao longo de uma partida, quer seja pela quantidade de decisões que podem ser tomadas em determinado instante da mesma. A dificuldade do DOTA 2 levou a que a criação de IAs para agentes deste jogo se tornasse num trabalho muito interessante e desafiante. Infelizmente, apesar de existirem implementações muito conhecidas e indiscutivelmente eficazes de IAs para agentes de DOTA 2, não existem ferramentas de software de código livre que possibilitem, a um utilizador comum, efetuar este género de implementação. É devido a este facto que se decidiu criar uma framework, nesta tese, de uso simples, com o objetivo de permitir o desenvolvimento de IAs para agentes de DOTA 2 que facilite o processo de aprendizagem e teste dos agentes implementados, recorrendo á automatização de criação de ambientes através da Graphical User Interface (GUI) deste videojogo. Esta dissertação irá focar todos os aspetos relevantes desta interface entre o jogo e um ambiente externo de programação, utilizando a linguagem de programação Python, nomeadamente a Arquitetura do Sistema, onde são definidas todas as características fundamentais da solução apresentada, e a Implementação, onde se encontra detalhado o processo de desenvolvimento deste sistema. |
| publishDate |
2018 |
| dc.date.none.fl_str_mv |
2018-12-20T00:00:00Z 2018-12-20 2019-06-24T12:38:29Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10773/26244 TID:202232697 |
| url |
http://hdl.handle.net/10773/26244 |
| identifier_str_mv |
TID:202232697 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.source.none.fl_str_mv |
reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia instacron:RCAAP |
| instname_str |
FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
| instacron_str |
RCAAP |
| institution |
RCAAP |
| reponame_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
| collection |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
| repository.name.fl_str_mv |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
| repository.mail.fl_str_mv |
info@rcaap.pt |
| _version_ |
1833594281385787392 |