Journée Intelligence Artificielle et Jeux Mardi 10 Mai 2005 Université Paris 8, Saint-Denis

Objectifs

Le but de la journée Intelligence Artificielle et Jeux est de réunir des chercheurs et des programmeurs de jeux pour échanger des idées sur la programmation des Intelligences Artificielles dans les jeux. Le thème de cette journée portera aussi bien sur l’IA dans les jeux vidéos que dans les jeux de réflexion. Les exposés aborderont, entre autres :

• l’application de techniques d’IA aux jeux comme : la recherche heuristique, l’apprentissage ou la recherche de chemins,
• IA et les jeux vidéos, - la programmation des jeux de réflexion,
• la conception de personnages non-joueurs.

Programme

9h15-9h30 : Présentation de la journée Tristan Cazenave (Lab. IA et SIIC)

Matin : 9h30-12h30

• Réseau de neurones et règles floues pour un bot dans un jeu 3D temps réel
  S. Manier (LIP6, Université Paris 6)
  Résumé : Enemy Territory est un jeu d’action en 3D temps réel mettant en scène deux unités militaires de joueurs s’affrontant dans un environnement réaliste. Cet exposé présentera une modification de ce jeu permettant à des joueurs d’affronter ou de combattre aux côtés de personnages non joueurs (gérés par l’ordinateur). Seront présentés : - le module de déplacement, basé sur des waypoints et un réseau de neurones. - le module de prise de décision, qui s’appuie sur des règles de logique floue. - une démonstration du résultat.
   
• Expériences d’apprentissage par renforcement dans une architecture Monte Carlo go
  B. Bouzy (Crip5, Université Paris 5)
  Résumé : Indigo est un programme de go suivant une architecture Monte Carlo. Relativement aux résultats obtenus auparavant, il a obtenu d’assez bons résultats dans les compétitions internationales d’ordinateurs en 2003 et 2004, confirmant ainsi la pertinence de l’approche Monte Carlo au go. La force actuelle de Indigo réside dans l’utilisation de connaissances dépendantes du go au sein des parties aléatoires : des connaissances sur les "chaînes" de pierres et sur des "patterns". Dans une première étape, ces connaissances avaient été insérées manuellement dans Indigo. Dans une seconde étape, le but a été d’améliorer ces connaissances automatiquement avec de l’apprentissage par renforcement. Le but de cet exposé est de présenter les résultats des expériences d’apprentissage par renforcement effectuées dans cet objectif.
   
• Combinaison d’apprentissages dans un agent
  P. Caillou (Lamsade, Université Paris 9 Dauphine)
  Résumé : L’objectif de cette présentation est de montrer l’intérêt de combiner trois types d’apprentissages (induction, déduction, renforcement), en particulier dans le domaine du jeu. Cette combinaison présente des difficultés particulières, en particulier une représentation de connaissances homogène compatible avec chacun des types. Nous proposons un modèle permettant de les combiner, en particulier une architecture d’agent et une représentation des connaissances adaptées.
   
• Apprentissage de décision de haut niveau pour les personnages non joueurs dans les jeux vidéos
  W. Tambellini, C. Sanza, Y. Duthen (Kynogon, Paris, et IRIT, Toulouse) Résumé : Les systèmes classifieurs (CS) et les algorithmes génétiques (GA) font partie des techniques d’apprentissage évolutionnistes. Les CS utilisent des structures condition-action, et sont bien adaptés à l’apprentissage de décisions perception-action. Dans les jeux vidéos non scriptés, les personnages non joueurs (NPC) ont besoin de systèmes de décision de haut niveau qui décideront si les NPC doivent adopter des comportements tels que la recherche, la fuite, la poursuite, le tir, etc. Nous décrirons l’utilisation des CS pour les NPC.

Après-Midi : 14h15 - 17h00

• Architecture d’un système d’observation et d’analyse de comportement dans le contexte des jeux
  K.Sehaban, V. Courboulay, P. Estrailler (L3i, Université de La Rochelle)
  Résumé : Un des enjeux majeur des médias interactifs consiste à maîtriser, en temps-réel, la chaîne de traitements complexes mettant en jeu une série d’extraction d’informations, d’optimisation de traitements, de comparaison avec des expériences passées en vue de déterminer la meilleure des réactions à provoquer. Dans ce contexte, notre recherche consiste à définir un système capable de "comprendre" le comportement d’un joueur et d’y répondre, de manière personnalisée et en temps réel, par des actions adaptées en tenant compte des consignes d’un expert (le concepteur du jeu). L’objectif à terme est de faire interagir efficacement différents niveaux d’analyse de scènes et/ou d’événements pour les intégrer dans un système d’observation et d’analyse de comportement en vue d’aide à la décision. Si l’on se place d’un point de vue informatique, ces traitements sont souvent considérés et analysés séparément. Pourtant, la capacité de faire collaborer et interagir les différents niveaux d’analyse d’une scène est naturelle chez l’être humain. En particulier, l’extraction d’information à un niveau d’analyse de la chaîne de traitements peut et doit être optimisée grâce aux informations extraites à d’autres niveaux. Ainsi, il est clair que l’enchaînement naturel de ces étapes, au sens de leur traitement cognitif, doit subir des réajustements constants en fonction des événements passés, des enseignements tirés, des interpolations ou des extrapolations et des objectifs à atteindre. L’architecture que nous proposons repose sur l’optimisation de l’extraction d’information en fonction du contexte.
   
• Gestion d’équipe d’agents situés géographiquement.
  D. Devigne, P. Mathieu, J.C. Routier (SMAC/LIFL Univ. Lille 1)
  Résumé : Nous présentons ici une solution permettant de gérer des équipes d’agents situés dirigées par un chef chargé d’établir le plan de son équipe. Le chef calcule le plan d’équipe en fonction de ses connaissances, et distribue les actions à effectuer aux autres agents de l’équipe. Pour élaborer ce plan, il est possible de mettre en oeuvre plusieurs stratégies permettant de laisser plus ou moins d’autonomie de comportement aux agents. Cette autonomie permet aux agents de s’adapter aux contraintes imposées par l’environnement. Nous montrons dans cet exposé comment notre approche permet à une équipe hétérogène d’agents de réaliser des tâches complexes qui nécessitent l’utilisation des capacités de plusieurs agents.
   
• Scénarisation et exécution adaptative
  A. Prigent, R. Champagnat, P. Estrailler (L3i, Université de La Rochelle)
  Résumé : Dans un cadre scénaristique prédéfini aux propriétés pre-déterminées, nous proposons une méthode d’évolution "A la volée" de scénarios de jeu. Une méthode d’analyse locale des propriétés permet de faire évoluer le scénario. A chaque instant, les propriétés actuelles du jeu, ainsi que l’historique des actions du joueur sont analysés. Nous définissons une nouvelle méthode de construction des séquences accessibles. Cette méthode repose sur une approche formelle et utilise un modèle en logique linéaire et une transformation en réseau de Petri.
   
• Approches originales de l’utilisation de la théorie des jeux pour les jeux vidéo
  E. Guardiola, S. Natkin (Cedric, Cnam)
  Résumé : Un certain nombre de traités de Game Design présente une approche de la conception des jeux de combats et des jeux de stratégie par la théorie classique des jeux : Jeux à deux personnes, stratégies dominantes, équilibre de Nash, stratégies mixtes... En fait les jeux vidéo ne rentrent jamais dans les hypothèses de cette théorie. Nous proposons deux points de vue, l’un analytique, l’autre constructif qui permette de repenser l’utilisation de la théorie des jeux en termes, d’une part, de compréhension de l’intérêt du jeu comme des stratégies sans équilibre et, d’autre part, de progression du joueur. Ces aspects sont mis en relation avec la théorie narrative du jeu de Jasper Juul. Entrée libre, les places étant limitées, la réservation est souhaitée.

Informations sur le site
Lieu : Salle B106 de l’Université Paris 8 - 2, rue de la Liberté - 93526 Saint-Denis - Tél. 01 49 40 67 89
Informations : Tristan Cazenave, E-mail