View
0
Download
0
Category
Preview:
Citation preview
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
1
Minimal Memory Abstraction & Jaringan Syaraf Tiruan untuk Realtime Pathfinding dalam Permainan Komputer
Eriq Muhammad Adams J|5109.201.023|Teknik Informatika Institut Teknologi Sepuluh Nopember
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
2
Latar Belakang
Game sekarang kompleks : grafis realistis & NPC canggih
Game developer fokus pada Game AI
Agent Movement bagian dari Game AI
Agent Movement memerlukan strategi Pathfinding
A* sering dipakai untuk pathfinding
Namun A* punya waktu komputasi lama dan hanya mendukung lingkungan statis
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
3
Latar Belakang [cont.]
Kinerja A* dapat diperbaiki dg :
Teknik Map Abstraction : HPA* (Botea, et.al, 2004) PRA * (Sturtevant & Buro, 2005) TRA* (Demyen, 2006) MM (Sturtevant, 2007)
Pathfinding dalam lingkungan dinamis (realtime pathfinding) dapat menggunakan:
Realtime Heuristics : LRTA* (Korf, 1990) PR LRTA* (Bulitko et.al, 2007) D LRTA* (Bulitko et.al, 2008) TBA* (Bjornsson et.al, 2009)
Machine Learning: ANN : NANS (Graham & McCabe, 2006)
MM 100x lebih cepat daripada A* namun hanya untuk lingkungan statis
NANS dapat mempelajari 2 komponen realtime pathfinding (path planning & obstacle avoidance) , cepat tidak butuh preprocessing namun path tidak dijamin optimal
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
4
Kontribusi
Mengusulkan pendekatan baru realtime pathfinding dg. MM sbg long steering algorithm (path planning) dan ANN sbg short steering algorithm (obstacle avoidance).
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
5
Rumusan Masalah
Bagaimana melakukan abstraksi menggunakan MM ?
Bagaimana melatih neural agent ?
Bagaimana mengintegrasikan MM sbg. long steering algorithm dan ANN sbg. short steering ?
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
6
Batasan Masalah
Static Target
Regular Grids Representation
Evaluasi kinerja mengg. game engine 3D
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
7
Tujuan & Manfaat
Tujuan : Bangun solusi realtime pathfinding mengg. MM (long steering algo.)dan ANN (short steering algo.)
Manfaat : Alternatif realtime pathfinding baru bg game developer.
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
8
Metodologi Mulai
Pengambilan Dataset
Pelatihan Neural Agent
Integrasi MM dan ANN
Evaluasi
Selesai
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
9
Metodologi [cont.]
1. Pengambilan Dataset
Peta permainan
Repositori HOG (Hierarchical Open Graph)
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
10
Metodologi [cont.]
2. Pelatihan Neural Agent
Mulai
Perancangan Sensor Agen
Perancangan Topologi ANN
Pelatihan Discreet Evolution
Selesai
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
11
Metodologi [cont.]
2.a. Perancangan Sensor Agen
5 sensor
Sensor diimpl. dg ray casting
1
2
3
4
5
45°
Agen
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
12
Metodologi (cont.)
2.b. Perancangan Topologi ANN
Layer Keluaran
Layer Tersembunyi
Layer Masukan
Posisi Relatif Target
Nilai Sensor 1
Jarak Relatif
Sensor 1Nilai
Sensor 2
Jarak Relatif
Sensor 2
Nilai Sensor 3
Jarak Relatif
Sensor 3Nilai
Sensor 4
Jarak Relatif
Sensor 4Nilai
Sensor 2
Jarak Relatif
Sensor 2Variabel Tabrakan
Nilai Rotasi Searah Jarum Jam
Nilai Rotasi Berlawanan Arah Jarum
Jam
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
13
Metodologi [cont.]
2.c. Pelatihan Discreet Evolution
Mode Discreet Evolution
S G S G
S G S G
S G S G
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
14
Metodologi [cont.]
Evolusi Bobot Jaringan dg. GA
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
15
Metodologi [cont.]
3. Integrasi MM dan ANN
Mulai
Abstraksi dg MM
Pathfinding dg. Abstraksi
Pergerakan Neural Agent
Selesai
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
16
Metodologi [cont.]
3.a. Abstraksi dg MM
Komputasi Sektor
Komputasi Region
Komputasi Edge
0 1
2 3
a a
a
a
b b
b b c
32x32 cells
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
17
Metodologi [cont.]
3.b. Pathfinding menggunakan abstraksi
Cari region terdekat
Cari abstract path
Cari real path
S
G
a
b
a
a
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
18
Metodologi [cont.]
3.c. Pergerakan Neural Agent
Modifikasi reynold steering : path following 1. Inisialisasi 2. Pada saat frame update :
hitung jarak posisi agen dan target if posisi agen == tujuan then
agen berhenti return
end if target terblok || jarak posisi agen dan target < offset then
if indeks path sekarang != tujuan then indeks path sekarang++; target = indeks path sekarang
end if end if update informasi sensor update jaringan syaraf tiruan agen update posisi dan rotasi agen
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
19
Metodologi [cont.]
4. Evaluasi
Skenario 1 : penentuan jumlah hidden layer, neuron per hidden layer
Skenario 2 : pengukuran fps dan collision per frame
Skenario 3 : pengukuran panjang path dan waktu tempuh
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
20
Hasil & Uji Coba
Lingkungan Uji Coba
Perangkat Keras : – Prosesor Intel Core i3
– HDD 320 GB
– 3GB RAM
– NVIDIA G310M CUDA
Perangkat Lunak : – Microsoft Windows 7 64-bit
– Java SDK 1.6
– Eclipse IDE Helios
– JMonkeyEngine 3.0
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
21
Hasil & Uji Coba [cont.]
Skenario 1 : penentuan jumlah hidden layer, neuron per hidden layer
No. Parameter Nilai
1. Crossover rate 0,7
2. Mutation rate 0,1
3. Jumlah Agen 50
4. Tournament selection Ya
5. Elitism Ya
6. Jumlah layer tersembunyi 1
7. Jumlah neuron tiap layer tersembunyi
10
8. Jumlah layer masukan 12
9. Jumlah layer keluaran 2
10. Waktu interval evolusi 15 detik
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
22
Hasil Uji Coba [cont.]
Gen. terbaik ditemukan pada gen. ke-37
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
23
Hasil & Uji Coba [cont.]
Skenario 2 :
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
24
Hasil Uji Coba [cont.]
Jumlah Agen
Jaringan Syaraf Tiruan Minimal Memory Abstraction
& Jaringan Syaraf Tiruan
Frame Rate
Jumlah Tabrakan per Frame
Frame Rate Jumlah Tabrakan
per Frame
10 59 0 59 0
20 59 1 59 1
30 59 3 59 1
40 59 4 59 3
50 59 5 59 5
60 59 5 59 5
70 59 6 59 6
80 59 9 59 10
90 59 10 59 11
100 58 12 59 11
Rata-rata 59 5 59 5
Dg penambahan MM tidak menyebabkan perubahan fps yg signifikan
Collision per frame rata2 > ClearPath
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
25
Hasil & Uji Coba [cont.]
Skenario 3 : Uji coba pada 10 peta permainan
No Tes
Peta Permainan
Jaringan Syaraf Tiruan Minimal Memory Abstraction &
Jaringan Syaraf Tiruan
Panjang Path (wu)
Waktu Tempuh (detik)
Panjang Path (wu)
Waktu Tempuh (detik)
1 test1.map 60,60 19,86 33,49 11,61
2 test2.map 28,12 9,68 27,86 9,66
3 test3.map 54,09 17,98 37,97 13,05
4 test4.map 61,23 20,43 56,20 19,26
5 test5.map 32,88 11,08 33,03 11,45
6 test6.map 111,33 36,48 45,33 15,51
7 test7.map 32,91 11,22 32,85 11,36
8 test8.map 88,12 29,01 53,16 18,25
9 test9.map 38,92 13,17 29,34 10,15
10 test10.map 36,54 12,48 29,34 10,15
Rata-rata 54,47 18,14 37,86 13,05
Panjang path MM & ANN 3x lebih pendek drpd ANN
Waktu tempuhMM & ANN 3x lebih singkat drpd ANN
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
26
Hasil & Uji Coba [cont.]
ANN vs MM & ANN
ANN MM & ANN
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
27
Kesimpulan
Realtime pathfinding dpt diselesaikan dg. MM (long steering algo.) dan ANN (short steering algo.).
Neural agent hanya butuh 1 hidden layer u/ mempelajari 2 komponen penting realtime pathfinding
Dg. penambahan MM tidak mempengaruhi fps secara signifikan drpd metode sebelumnya.
Metode yg diusulkan lebih optimal dg. panjang path 3x lebih pendek dan waktu tempuh 3x lebih cepat drpd metode sebelumnya.
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
28
Saran
GA diganti dg NEAT (Stanley & Mikkulainen, 2002) karena dapat mengevolusi bobot dan topologi.
Collision per frame dapat dikurangi dg. menggunakan Clearpath (Guy, et.al, 2009) sbg short steering algo.
Teknik Informatika | Institut Teknologi Sepuluh Nopember Master Thesis | Juli 2011
29
Recommended