Enhancing Autonomy of NPCs via integration of GOAP and Utility AI

Abstract

[ES] Esta tesis de máster pretende mejorar la autonomía y credibilidad de los personajes no jugadores (PNJ) en los entornos de juego. Explorando los factores que hacen que los PNJ parezcan conocedores de su entorno, la investigación analizará técnicas de IA de comportamiento, incluyendo la representación del conocimiento, la planificación de rutas y la toma de decisiones. El objetivo principal es investigar y mejorar el sistema GOAP (Goal-Oriented Action Planning), en concreto mediante la integración de conceptos de la teoría de la utilidad para abordar las limitaciones de GOAP. Con esta integración se pretende que los agentes NPC sean menos reactivos y más inteligentes desde el punto de vista estratégico. El trabajo analizará los puntos fuertes y débiles de las actuales implementaciones de GOAP y explorará su posible combinación con conceptos de IA utilitaria.

[EN] Goal-Oriented Action Planning (GOAP) is a widely used planning technique in artificial intelligence (AI), providing a structured approach for agents to achieve specific goals by selecting and executing actions. Utility AI (UAI), on the other hand, focuses on evaluat ing the desirability of different actions or states, enabling agents to make more informed decisions in dynamic environments. This thesis presents Utility-Guided Goal-Oriented Action Planning (UGOAP), a framework that integrates the strengths of both GOAP and UAI. By enriching the state representation with contextual information relevant to utility evaluation and employing a utility-driven planning algorithm, UGOAP allows AI agents to make more context-aware decisions. A proof of concept UGOAP is demonstrated in a game scenario using the Godot engine, showcasing its potential to enhance the autonomy of AI agents.