Componente de Inteligencia Artificial en Unity para videojuegos de Dominó

Abstract

En la actualidad existen altos niveles de consumo de videojuegos, estos se han venido perfeccionando a lo largo de los años. Uno de los pilares fundamentales en este desarrollo ha sido la Inteligencia Artificial (IA), que le agrega cierto grado de realismo a los mismos, haciéndolos más atractivos al usuario. En el presente trabajo se plantea como objetivo, desarrollar un componente de IA para videojuegos de dominó en Unity, que permita a la computadora enfrentarse a un usuario. Para guiar el desarrollo de la propuesta de solución se siguen los pasos que plantea la metodología de desarrollo ágil Programación Extrema (XP, por sus siglas en inglés). Se definen como motor de videojuego Unity y C# como lenguaje de programación. El componente dotará al ordenador de un comportamiento inteligente que, siguiendo una serie de estrategias puede llegar a ganar partidas tal como lo haría un jugador humano. Se empleó en la solución el algoritmo Árboles de Búsqueda de Monte Carlo (MCTS, por sus siglas en inglés). Se obtuvieron buenos resultados y se comprobó que mientras más profundo se explorara el árbol de búsqueda mejor sería la respuesta.

Currently there are high levels of video game consumption, these have been perfected over the years. One of the fundamental pillars in this development has been Artificial Intelligence (AI), which adds a certain degree of realism to them, making them more attractive to the user. In the present work, the objective is to develop an AI component for domino video games in Unity, which allows the computer to face a user. To guide the development of the solution proposal, the steps proposed by the Extreme Programming (XP) agile development methodology are followed. Unity is defined as the game engine and C# as the programming language. The component will provide the computer with an intelligent behavior that, following a series of strategies, can win games just as a human player would. The Monte Carlo Search Trees (MCTS) algorithm was used in the solution. Good results were obtained and it was found that the deeper the search tree was explored, the better the response would be.