ZFX
ZFX Neu
Home
Community
Neueste Posts
Chat
FAQ
IOTW
Tutorials
Bücher
zfxCON
ZFXCE
Mathlib
ASSIMP
NES
Wir über uns
Impressum
Regeln
Suchen
Mitgliederliste
Membername:
Passwort:
Besucher:
4440612
Jetzt (Chat):
51 (0)
Mitglieder:
5239
Themen:
24223
Nachrichten:
234554
Neuestes Mitglied:
-insane-
"Off-Line Evolution of Behaviour for Autonomous Agents in Real-Time Computer Games" von Eike Anderson (Swordfighter)


Das Bild zeigt das Poster, das am 10. September auf der PPSN 2002 Konferenz in Granada (Spanien) vor- bzw. ausgestellt wurde. Das beschriebene Projekt wurde als "Proof of Concept" durchgefuehrt um zu beweisen, dass Genetische Programmierung (GP) auch fuer modernere Computerspiele, und nicht nur fuer klassische Spielchen wie TicTacToe, die in der KI Fachliteratur schon x-zig mal abgehandelt worden sind, eignet.

Die Besonderheit an diesem Projekt ist, dass die Spielerevolution nicht on-line, sondern off-line in einer zweiten Applikation durchgefuehrt wurde, und dass mehr als eine Fitnessfunktion verwendet wurde, um eine Anforderungsspezifische Evolution der Programmteile zu forcieren.

Aus dem Abstract des posterbegleitenden Papers:
"This paper describes and analyses a series of experiments intended to evolve a player for ... Asteroids using ... programming.
... scripts are evolved off-line by a second program which simulates the real-time application. This method is used, as on-line evolution of the players would be too time consuming. ... "

Das Paper selber ist als Teil der Proceedings der PPSN 2002 Konferenz erhaeltlich:
http://www.springer.de/cgi/svcat/search_book.pl?isbn=3-540-44139-5






Von Stefan Zerbst am 25.09.2002, 07:59:39 Uhr
Hi,

schaut wie immer beeindruckend aus. Was die Testdaten angeht, so können wir bei einem neuen Projekt sicherlich die ZFX Community dazu bringen, mitzutesten wenn wir das Progi hier auf die Site als Beta-Test stellen :D

Ciao,
Stefan

PS: Danke für die Postkarte. Würd auch gern in der Sonne liegen ;)

Von Swordfighter am 25.09.2002, 11:57:11 Uhr
Zitat:
Danke für die Postkarte. Würd auch gern in der Sonne liegen

gern geschehn ;)

Von Pelztier1982 am 25.09.2002, 12:16:55 Uhr
hi...

nicht schlecht. sieht ziemlich interessant aus. schde nur, daß ich die diagramme aufgrund der verkleinerung kaum mehr lesen kann (oder brauche ich ne neue brille *g*?).

was mich jetzt noch näher interessieren würde, wie eben und unter welchen bedingungen die "Runs" A-E abgehalten wurden. und wie daraus dann eben die einzelnen diagramme aufgestellt wurden. (ist echt zu klein....;-))

gibts das ganze paper vielleicht auch irgendwo zum downloaden?

ciao, pelztier

Von Swordfighter am 25.09.2002, 15:32:18 Uhr
Hi!

Zitat:
nur, daß ich die diagramme aufgrund der verkleinerung kaum mehr lesen kann

Eine groessere Version des Posters, sowie der volle Abstract des Papers kann auf http://software.swordfighter.co.uk/research/publications.html eingesehen werden.

Zitat:
was mich jetzt noch näher interessieren würde, wie eben und unter welchen bedingungen
die "Runs" A-E abgehalten wurden.

Ich werd mal eine etwas weiterfuehrende Erklaerung dazu schreiben und heut Abend hier posten ;)

Zitat:
gibts das ganze paper vielleicht auch irgendwo zum downloaden?

afaik sind die LNCS (bzw. die einzelnen Paper aus den LNCS), in denen das Paper abgedruckt ist auch als On-Line Version bei Springer erhaeltlich. Aus u.a. Urheberrechtlichen Gruenden werde ich das Paper selbst erst in ein paar Monaten zum Download anbieten koennen.

Von Swordfighter am 25.09.2002, 23:34:40 Uhr
Wie versprochen - hier die Erklaerung zu den einzelnen Runs:

Run A:
benutzte ausschliesslich higher-level Primitives (die aus low-level Primitives zusammengesetzt waren) um zu beweisen, dass die vorhandenen Funktionen zur Erschaffung von kuenstlichem Verhalten ausreichend waren.

Runs B,C,D:
3 unabhaengige Evolutionsruns mit einer Population von 5000 Individuen ueber etwa 20 Generationen. Jedes Individuum enthaelt 3 ADFs (Automatically Defined Functions), von denen jede auf jeweils ein Verhalten hin spezialisiert wurde (durch Task-Specific Fitness Evaluation). Die Graphen zeigen 3 Gruppierungen von "Peaks", die jeweils eine Spezialisierung eine der 3 Verhaltensweisen aufzeigen.

Run E:
Aehnliches Setup wie B-D, aber ohne Task-Specific Fitness Evaluation, was dazu fuehrt, dass keine Spezialisierung zu den 3 gewuenschten Verhaltensweisen eindeutig nachweisbar ist.

Run F:
Kontrollrun mit identischem Setup wie B-D, aber mit unterschiedlichen Umgebungsparametern.

Von Pelztier1982 am 26.09.2002, 03:00:59 Uhr
hi....

danke für deine "nachreichung" *g*. das macht die sache schon wesentlich klarer. aber, wie könnte es auch anders sein, noch eine frage habe ich:

wie kann man bzw. wurde das konkret auf dieses beispiel (asteroids-game) implementiert? daß sowas generell schwierig ist, ist mir klar, hängt natürlich auch stark von der art des games ab (je nachdem, inwieweit man da erfolg/mißerfolg von bestimmten handlungen abhängig machen kann oder bestimmte situationen erkennen kann). bei asteroids hat man ja noch eine vergleichsweise einfache umgebung, wie könnte man denn das ganze vom prinzip her implementieren? so daß man dann am ende eine selbstentwickelnde & lernende KI hat?

ciao, florian

Von Gerd am 26.09.2002, 18:09:12 Uhr
was ist das? ich kapiere das nicht ganz..

Von awesome am 21.12.2002, 13:20:47 Uhr
Wow, das Teil rult ja übelst - Respekt!