Collision Avoidance in Computer Games

Abstract

Collision avoidance for autonomous agents has been a widely researched topic for the past couple of decades. Modern solutions act as purely reactive techniques that create various problems, such as agents being stuck in various scenarios. The aim of this thesis was to explore a new way of solving collision avoidance for humanoid agents using genetic algorithms to search local space multiple steps ahead of the current simulation state. The application is capable of running multiple predefined test scenarios and logging the results of each run. The application provides two possible ways of seeing the results, either visually observing the scenario run or plotting the results logged by the application. The overall design of the application is general enough to allow simple modification to existing scenarios or creation of new ones. It is also possible to modify an existing genetic algorithm with new operators with minimal effort. The results show that even though various configurations of the implemented genetic algorithm perform similarly, there are some outstanding winners that might bring an alternative possibility to the already existing collision avoidance methods.

Vyhýbanie sa kolíziám autonómnych agentov je za posledných niekoľko desaťročí pred- metom rozsiahleho výskumu. Aktuálne riešenia fungujú ako čisto reaktívne techniky, ktoré majú za následok niekoľko problémov, ako napríklad uviaznutie agentov v rôznych situáciách. Cieľom tejto práce bolo preskúmať novú metódu riešenia vyhýbania sa kolíz- iám pre humanoidných agentov za pomoci genetických algoritmov, ako spôsob prehľadá- vania lokálneho priestoru niekoľko simulačných krokov dopredu. Aplikácia je schopná spustiť viacero preddefinovaných testovacích scenárov a zazna- menať výsledky každého behu. Aplikácia takisto umožňuje sledovať výsledky dvoma rozličnými spôsobmi, buď vizuálne pozorovať beh testovacieho scenára, alebo vykresliť zaznamenané výsledky v podobe grafov. Celkový dizajn aplikácie je dostatočne obecný na to, aby umožňoval jednoduché modi- fikácie existujúcich testovacích scenárov, alebo vytvorenie úplne nových. Takisto je možné modifikovať existujúci genetický algoritmus pomocou nových operátorov s minimálnym úsilím. Výsledky ukazujú, že aj keď rôzne konfigurácie implementovaného genetického al- goritmu fungujú podobne, existujú niektoré konfigurácie vyčnievajúce z davu, ktoré by mohli priniesť alternatívnu možnosť k už exitujúcim metódam na vyhýbanie sa kolíziám. 1