Programmation et apprentissage bayésien de comportements pour des personnages synthétiques : applications aux personnages de jeux vidéos

Programming and bayesian learning of behaviours for synthetic characters : application to video game characters

• Auteur / Autrice : Ronan Le Hy
• Direction : Pierre Bessière
• Type : Thèse de doctorat
• Discipline(s) : Sciences cognitives
• Date : Soutenance en 2007
• Etablissement(s) : Grenoble INPG

Mots clés

Mots clés contrôlés

Personnages de jeux vidéo

Mots clés libres

Programmation bayésienne

Fusion par cohérence améliorée

Programmation inverse

Apprentissage par demonstration

Résumé

Nous nous intéressons à l'acquisition de comportements par des personnages autonomes (bots) évoluant dans des mondes virtuels, en prenant comme exemple les jeux vidéos. Nos deux objectifs essentiels sont: réduire le temps et la difficulté de programmation pour le développeur ; et offrir au joueur la possibilité d'enseigner à des bots comment jouer. Nous proposons une méthode de construction de comportements basée sur la programmation bayésienne, un formalisme de description de modèles probabilistes. Celle-ci repose sur deux innovations : une technique générique de définition de tâches élémentaires, appelée fusion par cohérence améliorée ; et une technique de mise en séquence de ces tâches élémentaires, appelée programmation inverse. Contrairement à l'approche classique, cette méthode de construction de comportement permet facilement l'apprentissage par démonstration.

We treat the problem of behaviours for autonomous characters (bots) in virtual worlds, with the example of video games. Our two essential objectives are : to reduce time and difficulty of behaviour development ; to give to the player a new possibility : teaching bots how to play. We propose a method to build behaviours based on Bayesian programming (a formalism to describe probabilist models). It lays on two innovations: a generic technique for definition of elementary tasks, called enhanced fusion by coherence; and a technique for sequencing these elementary tasks, called inverse programming. Ln contrast with classical approaches, this method allows to efficiently learn behaviours by demonstration.