Disciplinas
Inteligência Artificial para Jogos
Reconhecer as diferenças entre a IA tradicional e aplicação de técnicas de IA ao desenvolvimento de Jogos de Computador, onde outros factores como a jogabilidade são mais importantes que a inteligência do adversário. Conhecer os problemas práticos do desenvolvimento de IA para Jogos de Computador, bem como as diferentes vertentes das técnicas aplicadas em Jogos de Computador comerciais. Saber desenhar e construir um sistema de IA para um jogo de computador, qualquer que seja o seu estilo: acção, desporto, estratégia, narrativa, etc.
Agentes Autónomos e Sistemas Multi-Agente
Adquirir noções gerais de agentes e sistemas multi-agente; saber identificar e classificar agentes e ambientes, de acordo com diferentes propriedades. Saber desenvolver sistemas complexos e de diferentes áreas de aplicação, usando uma metodologia orientada a agentes. Saber especificar uma sociedade de agentes para a resolução de um problema concreto. Ter a capacidade de conceber agentes com arquiteturas reativas, deliberativas e híbridas. Ter a capacidade de criar sociedades de agentes que comunicam, de uma forma prática, usando linguagens e plataformas adequadas.
Computação Gráfica para Jogos
Computação gráfica para jogos cobre aspetos teóricos e práticos do desenvolvimento de motores gráficos para videojogos (game engines). Aborda os diferentes subsistemas presentes num motor de jogo, incluindo, entre outros, subsistemas de rasterização, animação de personagens, e físicos, e discute a articulação necessária entre os vários subsistemas para suportar o desenvolvimento de jogabilidade. Após a frequência desta disciplina, os alunos deverão compreender como funciona um motor gráfico moderno e serem capazes de desenvolver os seus próprios motores gráficos para jogos.
Design de Jogos
Esta disciplina permite ao aluno adquirir capacidades para concepção de uma experiência de jogo e desenvolvimento de protótipos que realizem essa experiência. As capacidades são desenvolvidas fomentando a discussão sobre o que é um jogo, quais são os seus constituintes e qual a relação do jogo com os seus jogadores (tendo em conta as suas diferenças). O aluno desenvolve o seu trabalho com base em documentos de design e construção de protótipos.
Metodologia de Desenvolvimento de Jogos
Dar ao alunos uma visão geral das diferentes metodologias e tecnologias envolvida no desenvolvimento de videojogos discutindo as principais questões de cada uma delas. Dotar os alunos de ferramentas e técnicas para desenvolver interfaces de videojogos tendo especial atenção aos modos de controlo usados. Dotar os alunos de capacidade de reflecção sobre a jogabilidade e a experiência do jogador seguindo uma perspectiva de modelação conceptual juntamente com uma perspectiva empírica de realização de testes com jogadores. Salientar processos de exploração da experiência na perspectiva do jogador.
Produção de Conteúdos Multimédia
Conhecer os vários tipos de informação multimédia e como os manipular para a produção de conteúdos. Reconhecer as características de um processo de Produção de Conteúdos Multimédia. Entender os constrangimentos tecnológicos que se colocam na Produção, nomeadamente nos aspetos de captura, codificação, processamento e visualização dos vários media. Conhecer os vários tipos de ferramentas de autoria disponíveis. Produzir conteúdos Multimédia; Conhecer os vários contextos em que o multimédia por ser consumido, com ênfase em aspectos de rede (requisitos de largura de banda, tempo de latência, sincronização, etc.) e dispositivos móveis. Introduzir algumas formas avançadas de utilização de multimédia como a modelação procedimental, arte generativa e realidade aumentada. Aplicar métodos eficientes de pesquisa de informação multimédia baseada no conteúdo.
Teses
Fishing for Words: A game to learn grammatical gender in Portuguese
Learning a language can be very useful and fun, but also a lot of work. Portuguese, a language with grammatical gender, can be particularly challenging for learners whose native language lacks this feature. In this thesis, we took a look at the history of language education and existing language-learning platforms, which served to inform our own efforts, and developed Fishing for Words, a videogame for Android and Windows that helps players memorize the gender of words in Portuguese at the A2 level of proficiency, featuring two word-selection systems (which balance the game's difficulty in real-time according to the player's performance): The classic Leitner System and a novel Tag System. A full experimental procedure was developed and tested, with the purpose of validating its effectiveness, which revealed several pitfalls through which an experimenter evaluating such a game might fail to obtain results. In other words, we provide insight into how to get the participants to play the game and stick with it, which ours did not. Our main conclusions were that the game should be tested with more advanced students (who we suspect have more interest in grammatical gender), that the students should be given more time & more encouragement to play and that the game should be available on a wider range of platforms (around half of our participants could not play due to not having Android nor Windows).
Building a Multi-Agent Learning System for Geometry Friends
Machine Learning é, hoje em dia, uma área excitante devido ao maior poder de computação disponível atualmente. A descoberta de aplicações para o mundo real aumenta, mas também o desenvolvimento de novos algoritmos e estratégias nesta área. Os jogos sempre foram um excelente laboratório para o estudo destas novas ideias e o Geometry Friends é um excelente exemplo disso. Trata-se de um desafio de estratégia multi-jogador que possui a sua própria competição com o objetivo de distinguir os melhores agentes cooperativos e não cooperativos. O problema do jogador único já teve várias diferentes abordagens ao longo dos anos, com resultados muito satisfatórios. A atenção vira-se agora para a resolução da componente de cooperação associada à jogabilidade multi-jogador. Neste trabalho, nós propomos uma arquitetura consistente de um sistema de aprendizagem multi-agente, inspirado no sucesso alcançado por agentes únicos na utilização de grafos direcionados de peso e Reinforcement Learning. A motivação é construir uma base sólida para futuras soluções de cooperação que procurem expandir e explorar conhecimentos de Machine Learning. Os resultados finais demonstram que o nosso sistema superioriza-se às propostas submetidas até hoje, assente numa estrutura simples apesar das exigências complexas inerentes a um ambiente multi-agente.