Fuzzy Movement. Dirk Güldner. Seminar: Knowledge Engineering und Lernen in Spielen. TU-Darmstadt, SS 2006,

Ähnliche Dokumente
Rule-Based Systems. Technische Universität Darmstadt Knowledge Engineering Group

Fuzzy Logic. Seminar im Sommersemester 2006 an der TU-Darmstadt (Prof. Dr. Fürnkranz) 06/18/06 Knowledge Engineering in Computer Spielen 1

Fuzzy Logic Prof. Dr. Lotfi Zadeh, Erfindervon Fuzzy Logic

Einführung in die Fuzzy Logik

Classification and Regression Trees. Markus Müller

Fuzzy Logik und negative Zahlen

Fuzzy Systeme vom Typ 1. Inhalt Fuzzy Mengen Fuzzy Relationen Fuzzy Logik Approximatives Schließen Fuzzy Regelung

Extended Petri Nets for. Systems Biology. LFE Practical Informatics and Bioinformatics. Department Institut für Informatik.

Fundamente der Computational Intelligence

Kapitel L:IV. IV. Nichtklassische Logiken. Fuzzy-Mengen Modifizierer für Fuzzy-Mengen Operationen auf Fuzzy-Mengen Fuzzy-Inferenz Defuzzifizierung

5 Fuzzy Unscharfe Mengen

Fortgeschrittene emotionale Systeme

Der Begriff Fuzzy kommt aus dem Englischen und heißt soviel wie fusselig, verschwommen, unscharf.

Kapitel 1: Informationsverarbeitung durch Programme

Kapitel 2: Fuzzy Systeme

Fuzzy Logic & Control

Symbolumwandlung der Kernfunktionen

KI Seminar Vortrag Nr. 9 Unsicheres Wissen. Einleitung. Grundlagen. Wissen Ansätze. Sicherheitsfaktoren. Ansatz Probleme. Schlussfolgerungsnetze

Formalisierung von Requirements. durch Nutzung von Templates

Fuzzy-Inferenz. Fuzzy-Inferenz. Fuzzy-Inferenz. Fuzzy-Inferenz. Klassische Logik. Aussagenlogische Regel: a b

4. Vorlesung Fuzzy Systeme

Konzepte der AI. Unsicheres Schließen

Classifier Systems und Defensive Strategies. Seminar Lernen in Spielen

Interdisziplinäre fachdidaktische Übung: Formale Sprache Definitionen, Funktionen

Fuzzy-Logic. René K. Bokor - 5 HBa Fuzzy Logic Seite: 1

Anhang zum Kapitel 12: Intelligente Regelung Fuzzy-Regler

Kapitel Fuzzy Logic. Überblick. 20_1_fuzzy_logic.PRZ

Erweitertes boolsches Retrieval

Unit 6. Fuzzy Inference. Fuzzy Logic I 159

Knowledge-Based system. Inference Engine. Prof. Dr. T. Nouri.

Algorithmen und Datenstrukturen Tutorium I

Daten Bank. 2. Vorlesung. Dr. Karsten Tolle PRG2 SS 2014

Elemente der Analysis II

Algorithmen als systematische Vorgehensweisen zur Lösung eines formal definierten Problems

Algorithmen als systematische Vorgehensweisen zur Lösung eines formal definierten Problems

Der Fuzzy Regler, ein nicht-linearer Regelkreis

Alex J. Champandard: AI Game Development, Chapters Shooting and Aimining

12.4 Fuzzy-Regler 405

JavaScript O'REILLY. Das umfassende Referenzwerk. Deutsche Übersetzung von Ralf Kuhnert, Gisbert W. Selke & Harald Selke

Studientag 1793 Software Engineering I. 6. Juli 2014

Interdisziplinäre fachdidaktische Übung: Formale Sprache Definitionen, Funktionen

Logik für Informatiker Logic for computer scientists

Einführung in die übersetzungsbezogene Terminologiearbeit. Übersicht über das Seminar. Allgemeinsprache vs. Fachsprache

Aufbau eines dynamischen ETL Frameworks auf Basis eines PL/SQL Codegenerators

Kapitel 3 Fuzzy-Mengen und Relationen. 29. April 2005

6. Vorlesung Fuzzy Systeme

Grundlagen 1: Modelle & Mengen

Fuzzy-Logik und Fuzzy-Control

Präfix-Summe. Das Schweizer Offiziersmesser der Parallelen Algorithmen. Parallele Rechenmodelle Präfix-Summe Brents Lemma Anwendungen

JEFIS. Java Expert Fuzzy Inference System Masterprojekt. Stefan Becker Frank Volkmer Alex Besstschastnich

Unit 1. Motivation and Basics of Classical Logic. Fuzzy Logic I 6

Specmate Auf Knopfdruck von Anforderungen zu Tests

Entwicklung und Einsatz von Expertensystemen

Technische Informatik 1 Übung 8 Instruktionsparallelität (Rechenübung) Andreas Tretter 8./9. Dezember Bitte immer eine Reihe freilassen

4-Kanal-Analoglogger für die Regelungstechnik

Felder (Arrays) und Zeiger (Pointers) - Teil I

Learning regular sets from queries and counterexamples

Repräsentation und Umgang mit unsicherem Wissen (SoSe 2010) Fuzzy Logic I. Alexander Fabisch und Benjamin Markowsky. Universität Bremen

Begriffsklärung: Dominanz

Kapitel MK:IV. IV. Modellieren mit Constraints

Was bisher geschah Modellierung in Logiken: klassische Prädikatenlogik FOL(Σ, X) Spezialfall klassische Aussagenlogik AL(P)

Fuzzy Logic und Wahrscheinlichkeit

Felder (Arrays) und Zeiger (Pointers) - Teil I

SAS Predictive Analytics Factory The SAS approach for the production and maintenance of analytical models

Technische Universität Darmstadt. Seminar: Knowledge Engineering und Lernen in Spielen, SS06 bei Prof. Dr. Fürnkranz

Felder (Arrays) und Zeiger (Pointers) - Teil I

Pattern Movement. Technische Universität Darmstadt Seminar Informatik SS 06 Prof. Dr. Fürnkranz. Ante Zubac

Fuzzy-Logik Kontext C mit Interpretation. A B

3.3 Laufzeit von Programmen

Informatik II, SS 2016

Seminarvortrag zum Thema maschinelles Lernen I - Entscheidungsbäume. von Lars-Peter Meyer. im Seminar Methoden wissensbasierter Systeme

PHP MySQL - myphpadmin Formulardaten in eine Datenbank speichern

Anwendung von Vektormodell und boolschem Modell in Kombination

Grundlagen der Künstlichen Intelligenz

3 Mengen, Logik. 1 Naive Mengenlehre

Answer Set Programming

Effiziente Überwachung von Laufzeiteigenschaften in Soft- und Hardware

Datenbanken. Schemaerweiterung zur Abbildung von Imperfekten Daten. Andreas Merkel

Methoden der unscharfen Optimierung

Spieleentwicklung. Diane Hanke, Okan Danyeli & Toni Wirth

Seminar K nowledge Engineering und L ernen in Spielen

Grundlagen: Algorithmen und Datenstrukturen

Gliederung. 1. Kurzeinstieg 2. Warum ist die Semantik so wichtig? 3. OWL 4. GO 5. Übersetzung 6. Zusammenfassung 7. Quellen

C. A. R. Hoare. An Axiomatic Basis for Computer Programming. Nicolas Schelp. Proseminar Assertions SS 2007

MOBILE ENTERPRISE APPLICATION PLATFORM (MEAP)

Statistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 27

C-Pointer (Zeiger, Adressen) vs. C++ Referenzen

Einführung in die Fuzzy Logic

Sicher begrenzte Geschwindigkeit

GOTO simuliert Turingmaschinen

Auf dem Weg zu einer Grundlegung der Mathematik, Version 7.3

Der Alpha-Beta-Algorithmus

SAP HANA Multitenant Database Container

Ein Fragment von Pascal

Für ist Element von und ist nicht Element von schreibt man: 2

13. Hashing. AVL-Bäume: Frage: Suche, Minimum, Maximum, Nachfolger in O(log n) Einfügen, Löschen in O(log n)

Informatik II, SS 2014

Modellbasierte Software- Entwicklung eingebetteter Systeme

MEHR REQUIREMENTS, WENIGER ENGINEERING! WIE REQSUITE HILFT DAS RE ZU VERSCHLANKEN

Transkript:

Fuzzy Movement Dirk Güldner Seminar: Knowledge Engineering und Lernen in Spielen TU-Darmstadt, SS 2006, 30.05.2006

Übersicht Begriffsdefinition allgemeine Ziele & Ziele in Spieleumgebungen Situations- und Informationsbeispiele Art der Informationsspeicherung Fuzzy-Mengen und deren Operationen Art der Informationsinterpretation Unterschiede zu Rule-Based-Systems Tipps zum Einsatz Quellen Demo 2

Zum Begriff fuzzy ungenau, verschwommen, unscharf Beschreibungen können fuzzy sein, wenn sie unklar, zweideutig, mehrdeutig sind sie von der Wahrnehmung abhängen Beispiel: Waschmaschine Wäsche ist ziemlich stark verdreckt 65g Waschmittel sind nötig. 3

Allgemeine Ziele Entscheidungen durch Expertenwissen Abbildung von Daumenregeln in Expertensystemen Vereinfachung des Systems, da näher an sprachlichen Definitionen Bleibt die Konversation zwischen dem Fuzzy-System und den festen Variablen 4

Ziele in Spieleumgebungen Einhalten zwei wichtiger Kriterien Effektivität Effizientes Verhalten Konsistenz keine unlogischen Abläufe Verhalten: optimales!= menschliches ABER: in Alltagssituationen äußerst oft 5

Situationsbeispiele Aus dem Alltag: Öffnen einer Tür und durch die Tür gehen Eine Leiter hochklettern Aus dem Alltag eines Helden: Auf Plattformen springen Jump pads benutzen Raketen ausweichen 6

Gewonnene Information Annahmen z.b.: Items werden automatisch aufgehoben. Einschränkungen z.b.: Die Tür muss erst geöffnet werden, bevor man weitergehen kann. Richtlinien z.b.: Es sollten genug Items vorhanden sein. 7

Art der Informationsspeicherung (1) Was wird im Speicher gehalten? Linguistische Variablen Loyalität zu x, Wohlbefinden, Blickrichtung, meistens auf Mengen definiert Was wird außerhalb definiert? Fuzzy Terms, evtl. mit Fuzzy Values feindlich, super, zur Leiter hin Fuzzy Modifiers extrem, mehr oder weniger, Regeln Shot and bleeding badly implies dying, IF NOT unconfident THEN attack 8

Art der Informationsspeicherung (2) Beispiel Egoshooter: Menge Grad der Feindlichkeit muss erstellt werden Werte müssen für alle Objekte der Grundgesamtheit definiert werden: feindlich = {(Tür,0), (Waffe,0), (gegn. Einheit, 0.3), (Monster, 0.9)} typisches Beispiel für Modifiers : gefährlich: {0 0.4 0.8 1} sehr gefährlich: {0 0.16 0.64 1} 9

Art der Informationsspeicherung (3) Zusammenfassung Voraussetzungen: Definition von linguistischen Variablen Definition von Fuzzy Terms Definition von Fuzzy Modifiers Ableitung von Regeln und Schlussfolgerungen ständiges Bewusstsein über den aktuellen physischen Status Definition von Funktionen, die boolesche Variablen in fuzzy-variablen verwandeln und umgekehrt 10

Fuzzy-Mengen (1) Vergleich zu festen Werten 1 0 fuzzy-menge fester Wert Betrachtung von Modifiers 1 1 1 0 0 weniger gefährlich gefährlich sehr gefährlich 0 11

Fuzzy-Mengen (2) Beispiel Waschmaschine 1 sauber leicht schmutzig schmutzig 0 Grad der Verschmutzung Beispiel Temperatur 1 kalt warm heiß 0 Grad Celsius 12

Operationen auf Mengen AND OR ( A( x), B( )) C = A B x : C( x) = min x ( A( x), B( )) C = A B x : C( x) = max x NOT A( x) = 1 A( x) 13

Art der Informationsinterpretation Fuzzification: Wechsel zu fuzzy-variablen 1 fuzzy Wert: 0.6 0 fester Wert: 60 Defuzzification: Wechsel zurück Muss nicht eindeutig sein (entspricht Mensch) kann Maximum, Mittelwert etc. sein 14

Unterschiede zu Rule-Based-Systems Matching muss über alle Regeln gehen Es müssen i.d.r. zwei Arrays im working memory vorhanden sein IF feeling is good AND music is loud THEN feeling is very good Die Regel-Bodies müssen per Komposition kombiniert werden 15

Was beachtet werden sollte Implementierung i.d.r. nicht Gesamtlösung sollte als Verfeinerungsstufe dienen Innerhalb des Entscheidungswegs keinen Wechsel zur booleschen Logik durchführen Input / Output / Operationen zu viele fuzzy Variablen vermeiden i.d.r.: ein Loop 1x alle Variablen berechnen Geschwindigkeitseinbußen evtl. Lookup-Tables nötig zu viele Regeln vermeiden 16

Quellen Alex J. Champandard: AI Game Development, Kapitel 29-31, New Riders Publishing, 2003 David M. Bourg, Glenn Seemann: AI for Game Developers, Kapitel 10 & 13, O'Reilly, 2004 Wikipedia-Artikel fuzzy logic, http://en.wikipedia.org/wiki/fuzzy_logic Earl Cox: The Seven Truths Of Fuzzy Logic, http://www.bytecraft.com/fuzzylogictruths.html The Game AI Page: http://www.gameai.com Rubrik Software Solutions Edward Sazanov: Prevention of Load Sway by a Fuzzy Controller, http://people.clarkson.edu/~esazonov/neural_fuzzy/loadsway/lo adsway.htm 17

Demonstration Quake 2: Animat mit der Fähigkeit, Plattformen zu benutzen und durch Türen zu gehen Knowledge Base interessant, Ausführung eher nicht Verladekran: soll Container vom Dock auf Schiff transportieren Regeln hierfür werden durch die Anwendung von Fuzzy-Sets aufgestellt Fuzzy Engine übernimmt Interpretation im Hintergrund 18

Vielen Dank für Ihre Aufmerksamkeit! 19