taralino

Einleitung

In diesem Kurs lernen wir, wie neuronale Netze eingesetzt werden können, um einem Bot das Spielen eines Computerspiels beizubringen. Wie das Vorgehen dabei genau ist, stellen wir in anhand zweier Beispiele vor: Flatternder Vogel und Snake.

Um die folgenden Abschnitte nachvollziehen zu können, werden einige Erfahrungen vorausgesetzt: Neben neuronalen Netzen solltest du auch mit den Grundlagen genetischer Algorithmen vertraut sein. Zur Vorbereitung bzw. Wiederholung seien daher folgende Onlinekurse empfohlen:

Onlinekurs

Flatternder Vogel

Schritt-für-Schritt-Anleitung zum bekannten Spiel, einen flatternden Vogel durch Hindernisse zu steuern

Beispiel zur Programmierung des Spieleklassikers, bei dem eine Schlange Äpfel futtert und dadurch wächst

Ein zentrales Verfahren der Künstlichen Intelligenz und Einstiegspunkt in den Bereich des Deep Learnings

Level B1

Verfahren

Onlinekurs

Genetische Algorithmen

Verfahren zur Lösung kombinatorischer Optimierungsprobleme am Beispiel des Handlungsreisenden

Level B2

Beispiel

Beispiel einer Künstlichen Intelligenz bzw. eines Bots, der ein Spiel spielt.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

/***********************
  NeuralNetwork
***********************/

var sensor = [];

var layout = [5,8,2];

var T = {
layout:[5,8,2],
weights:[[[0.68,6.54,4.20,-0.19,-1.40],[2.69,-4.76,-2.58,8.56,-8.97],[-1.54,3.45,-4.02,-2.96,-0.52],[-12.39,-8.28,9.91,1.92,-4.47],[9.34,-11.11,11.35,-3.14,-10.25],[-5.63,-2.80,-4.67,-18.47,-5.80],[-4.30,-8.35,1.18,-7.14,1.06],[-7.69,-0.72,10.65,-5.15,7.68]],[[1.58,-2.62,7.98,-0.08,-6.40,1.76,-2.20,-4.22],[0.32,-1.38,-1.82,-0.69,3.77,3.41,3.08,1.15]]],
biases:[[3.50,2.32,-2.87,-2.61,-0.42,-0.58,0.99,-0.18],[-0.11,-1.85]]
};

NeuralNetwork.set_data(T);

function update_sensor() {
  sensor = [];
  var h = 1e6;
  var i = -1;
  for (var k = 0; k < an; k++) if ((H[k][0] > x) && (H[k][0]-x < h)) {
    h = H[k][0]-x;
    i = k;
  }
  sensor.push(h/ax);
  var t = y-(H[i][1]+H[i][2])/2;
  sensor.push(t < 0 ? -t/60 : 0);
  sensor.push(t > 0 ? t/60 : 0);
  sensor.push(v < 0 ? Math.min(1,-v/2) : 0);
  sensor.push(v > 0 ? Math.min(1,v/2) : 0);
};



/***********************
  Flappy Game
***********************/

// Spieler
var x = 20; // x-Position
var y = 20; // y-Position
var r = 3; // Radius
var v = 0; // Geschwindigkeit in y-Richtung

// Hindernisse
var ar = 4; // Radius (halbe Breite) der Hindernisse
var ax = 40; // Abstand zwischen Hindernissen in x-Richtung
var ay = 30; // Vertikale Luecke in Hindernissen
var an = 6; // Anzahl der Hindernisse
var H = []; // Datenfeld der Hindernisse

// Zaehler
var c = 0;
var cmax = 0;


function spiel_setup() {
  y = 20;
  v = 0;
  ay = 30;
  c = 0;
  H = [];
  for (var k = 0; k < an; k++) {
    var h = random(15,45);
    H.push([120+k*ax, h-ay/2, h+ay/2]);
  }
};

function setup() {
  spiel_setup();
  Canvas.init([0,100], [0,60], {width:600, background:"lightgrey"});
  Animation.init({fps:60});
};

function spiel_physik() {
  // Spieler
  v = v - 0.08;
  y = y + v;
  if (y < 0) v = 1.4;
  if (y > 60) y = 60;
  // Hindernisse
  for (var k = 0; k < an; k++) {
    H[k][0] = H[k][0] - 0.5;
    if (H[k][0] < -10) {
      ay = ay*0.99;
      var h = random(15,45);
      H[k] = [H[k][0] + an*ax, h-ay/2, h+ay/2];
    }
  }
};

function spiel_zeichnen() {
  Canvas.clear();
  // Spieler
  Canvas.circle(x, y, r, {fill:"yellow"});
  // Hindernisse
  for (var k = 0; k < an; k++) {
    Canvas.circle(H[k][0], H[k][1], ar, {fill:"green"});
    Canvas.rect(H[k][0], H[k][1]-50, 2*ar, 100, {fill:"green"});
    Canvas.circle(H[k][0], H[k][2], ar, {fill:"green"});
    Canvas.rect(H[k][0], H[k][2]+50, 2*ar, 100, {fill:"green"});
  }
  // Zaehler
  c = c + 1;
  if (c > cmax) cmax = c;
  Canvas.text( 2, 57, "aktuelle Strecke:", {align:"left"});
  Canvas.text(28, 57, c, {align:"right"});
  Canvas.text( 2, 54, "maximale Strecke:", {align:"left"});
  Canvas.text(28, 54, cmax, {align:"right"});
};

function abstand_punkt_linie(x, y, z, y1, y2) {
  // Annahme: y1 <= y2
  if (y <= y1) return Math.sqrt((x-z)*(x-z) + (y-y1)*(y-y1));
  if (y >= y2) return Math.sqrt((x-z)*(x-z) + (y-y2)*(y-y2));
  return Math.abs(x-z);
};

function spiel_kollision() {
  for (var k = 0; k < an; k++) {
    var b1 = abstand_punkt_linie(x, y, H[k][0], H[k][1]-100, H[k][1]);
    var b2 = abstand_punkt_linie(x, y, H[k][0], H[k][2], H[k][2]+100);
    if ((b1 < r+ar) || (b2 < r+ar)) spiel_setup();
  }
};

function loop() {
  simulate_mouse();
  spiel_physik();
  spiel_zeichnen();
  spiel_kollision();
};

function simulate_mouse() {
  update_sensor();
  var k = NeuralNetwork.evaluate(sensor, {output:"index"});
  if (k == 0) v = 1.4;
};


</script>
</body>
</html>

Vorschau Download Kopie speichern