Neural model of the vehicle control system in a racing game. Part 1, Design and its implementation

• Autorzy: Tchórzewski Jerzy , Bolesta Arkadiusz

Identyfikatory

DOI

10.34739/si.2022.26.02

• Języki publikacji: EN

Abstrakty

EN

The publication consist of two parts. Part 1 contains the results of research on the design, learning and implementation of the Perceptron Artificial Neural Network as a model of neural control of car movement on the racetrack. This part 1 presents the results of studies, including review of the methods used in video racing games from the point of view of the selection of a method that can be used in the own research experiment, selection of the Artificial Neural Network architecture, its teaching method and parameters for the intended research experiment, selection of the data measurement method to be used in ANN training, as well as development design of a car game, its implementation and conducting simulation tests. In designing the game of vehicle traffic on the racetrack, among others, Godot Engine game engine and MATLAB and Simulink programming environment. The numerical data (14 input quantities and two output quantities) for ANN training were prepared with the use of semi-automatic measurement of the race track control points. Part 2 shows i.a. the results of the testing and simulation experiments that confirm the correct functioning of both the game and the model of the neural control system. There were also shown, among others, the possibility of continuing research in the field of increasing the flexibility of the racing game, in particular the flexibility of the vehicle traffic control system through the use of other artificial intelligence methods, such as ant algorithms or evolutionary algorithms.

Słowa kluczowe

EN

Artificial Neural Networks; Godot Engine; MATLAB; Simulink environment; CLion IDE; video games

• Wydawca: Wydawnictwo Uniwersytetu Przyrodniczo-Humanistycznego w Siedlcach
• Czasopismo: Studia Informatica : systems and information technology
• Rocznik: 2022
• Tom: Vol. 1(26)
• Strony: 23--44
• Opis fizyczny: Bibliogr. 38 poz., rys.

Twórcy

autor

Tchórzewski Jerzy

• Siedlce University of Natural Sciences and Humanities, Faculty of Exact and Natural Sciences Institute of Computer Science, ul. 3 Maja 54, 08-110 Siedlce, Poland

• https://orcid.org/0000-0003-2198-7185

autor

Bolesta Arkadiusz

• Siedlce University of Natural Sciences and Humanities, Faculty of Exact and Natural Sciences Institute of Computer Science, ul. 3 Maja 54, 08-110 Siedlce, Poland

• https://orcid.org/0000-0003-1719-1109

Bibliografia

• 1. Abdal M.: Artificial Intelligence in Racing Games. University of Birmingham. https://www.cs.bham.ac.uk/~ddp/AIP/RacingGames.pdf [access: 2021-04-16].
• 2. Algorytm BFS. https://eduinf.waw.pl/inf/alg/001_search/0126.php [access: 2021-04-16].
• 3. Algorytm Dijkstry. http://www.algorytm.org/algorytmy-grafowe/algorytm-dijkstry. Html access: 2021-04-16].
• 4. Arabas J.: Wykłady z algorytmów ewolucyjnych (Eng. Lectures on evolutionary algorithms). WNT. Warszawa 2003, pages 303.
• 5. Barczak A. and Woźniak H.: Comparative Study on Game Engines. Studia Informatica. Systems and Information Technology 1-2(23)2019.
• 6. Bolesta A.: Artificial Neural Networks as vehicle control systems in racing games.Master's thesis written under the supervision of dr hab. inż. Jerzy Tchórzewski, prof. uczelni w Instytucie Informatyki, na kierunku informatyka na Wydziale Nauk Ścisłych i Przyrodniczych, UPH w Siedlcach, Siedlce 2021, pages 82.
• 7. Cui X. and Shi H.: Direction Oriented Pathfinding In Video Games, International Journal of Artificial Intelligence & Applications, 2 Oct. 2011.
• 8. Dokumentacja silnika Godot (Eng. Documentation of the Godot engine), https://docs.godotengine.org/pl/latest/ [access: 2021-04-16].
• 9. Flasiński M.: Wstęp do sztucznej inteligencji (Eng. Introduction to Artificial Intelligence). WN PWN, Warszawa 2011.
• 10. Godot na platformie Steam. URL: https://store.steampowered.com/app/404790/ Godot%5C_Engine/ [access: 2021-04-16].
• 11. Graham R., McCabe H., and Sheridan S.: Neural Networks for Real-time Pathfinding in Computer Games. Jan. 2004. Środowisko CLion. https:// www.jetbrains.com/clion/?gclid=CjwKCAjw8cCGBhB6EiwAgOReyyEyTBD5gq4mvxeo4vMWqwDXjk0wpBxnIIVewVGuPop667dqTgDLRoC3P4QAvD_BwE&gclsrc = aw. ds. [access: 2021-04-16].
• 12. Horzyk A.: Metody Inżynierii Wiedzy – Uczenie głębokie i głębokie sieci neuronowe (Eng. Knowledge Engineering Methods - Deep learning and deep neural networks), AGH w Krakowie, Warszawa 2019, http://home.agh.edu.pl/~horzyk/lectures/miw/MIW-DL.pdf [access: 2021-04-16].
• 13. Kłopotek M., Tchórzewski J.: The concept of discoveries in evolving neural net, Advances in Soft Computing, IPI PAN, No. 17, Warszawa 2002, pp. 165-174.
• 14. Mulawka J.: Systemy ekspertowe (Eng. Expert systems), WNT, Warszawa 1996, pages 35.
• 15. Oliveira M. M., Chan M. T., Chan C. W., and Gelowitz C.: Development of a Car Racing Simulator Game Using Artificial Intelligence Techniques, International Journal of Computer Games Technology (Nov.), p. 839721, 2015 [access: 2021-04-16].
• 16. Osowski S.: Sieci neuronowe do przetwarzania informacji (Eng. Neural networks for information processing). OW PW, Warszawa, pages 422, 2013.
• 17. Patel A.: Introduction to A*, URL:http://theory.stanford.edu/~amitp/Game Programming/AStarComparison.html [access: 2021-04-16].
• 18. Przychodzki M: Neuro-evolution of artificial neural networks based on the NEAT algorithm. Master's thesis written under the supervision of dr Artur Niewiadomski, kierunek informatyka, Wydział Nauk Ścisłych i Przyrodniczych, Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach, Siedlce 2021.
• 19. Robbins M.: Neural Networks in Supreme Commander 2, https://ubm- twvideo01s3. amazonaws.com/o1/vault/gdc2012/slides/Summit_AI/Robbins_Michael_Off%20the%20 Beaten.pdf. [access: 2021-04-16].
• 20. Ruciński D.: The Influence of the Artificial Neural Network type on the quality of learning on the Day-Ahead Market model at Polish Electricity Exchange join-stock company. Studia Informatica. Systems and Information Technology. Vol. 1-2(23)2019, pp.77-94.
• 21. Rutkowski L.: Metody i techniki sztucznej inteligencji (Eng. Methods and techniques of artificial intelligence). WN PWN, Warszawa 2017.
• 22. Sitkiewicz T., Tchórzewski J.: Wykorzystanie algorytmów mrówkowych do poprawy funkcjonowania algorytmu ewolucyjnego dla zagadnień transportowych (Eng. The use of ant algorithms to improve the functioning of the evolutionary algorithm for transport issues), Zeszyty Naukowe AMW, Nr 169 K/1, pp. 349-362, 2007.
• 23. Tadeusiewicz R. and Szaleniec M.: Leksykon sieci neuronowych (Eng. Lexicon on Neural Networks), Wydawca Projekt Nauka, pages 134, Jan. 2015.
• 24. Strona główna silnika Godot (Eng. The home of the Godot engine), https://godotengine.org/ [access: 2021-04-16].
• 25. Strona główna MATLAB & Simulink, https://www.mathworks.com/products/matlab.html [access: 2021-04-16].
• 26. Szewczak M., and Trojanowski K.: Wirtualne laboratoria optymalizacji heurystycznej: wykorzystanie algorytmów mrówkowych (Eng. Virtual heuristic optimization laboratories: the use of ant algorithms). Studia Informatica. Systems and Information Technology 1-2(11)2003, pp. 87–100.
• 27. Świtalski P., Bolesta A.: Firefly algorithm applied to the job-shop scheduling problem. Studia Informatica. Systems and Information Technology. Vol. 1-2(25)2021, pp.87-100.
• 28. Tadeusiewicz R.: Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami (Eng. Elementary introduction to the technique of neural networks with sample programs). Problemy Współczesnej Nauki: Informatyka. AOW, 1998, https://books.google. pl /books?id=SjgzygAACAAJ [access: 2021-04-16].
• 29. Tchórzewski J.: Metody sztucznej inteligencji i informatyki kwantowej w ujęciu teorii sterowania i systemów (Eng. Methods of artificial intelligence and quantum computing in terms of control theory and systems), Wydawnictwo UPH w Siedlcach, 2021, pages 343.
• 30. Tchórzewski J.: Systemowy Algorytm Ewolucyjny SAE (Eng. Systemic Evolutionary Algorithm), Bio-Algorithms and Med-Systems, Vol. 1, No. 1/2, 2005, pp. 61-64.
• 31. Tchórzewski J., Kłopotek M.: A Case Study in Neural Network Evolution, Prace Naukowe Instytutu Podstaw Informatyki PAN, Nr. 943, IPI PAN, Warszawa 2002.
• 32. Tchórzewski J., Kłopotek M.: The Concept of Making Discoveries in Evolving Neural Net, Intelligent Information Systems 2002, Physica-Verlag HD, pp. 165-174.
• 33. Tchórzewski J.: Systemy ekspertowe (Eng. Expert Systems), [w:] Użytkowanie mikrokomputerów IBM PC. Część II. Podstawowe oprogramowanie, [pod red. Tchórzewski J., Barczak A., Barański M., Rozwadowski L.], Wydawnictwo WSR-P w Siedlcach, Siedlce 1993, pp. 131-177.
• 34. Trojanowski K.: Metaheurystki. Materiały pomocnicze do przedmiotu “Metaheurystyki -laboratorium” (Eng. Metaheurists. Auxiliary materials for the subject "Metaheuristics -laboratory"). Wyd. WSISiZ, Warszawa 2003, pages 80.
• 35. Wardziński K.: Przegląd algorytmów sztucznej inteligencji stosowanych w grach komputerowych (Eng. Review of artificial intelligence algorithms used in computer games), Homo communicativus. Filozofia – komunikacja– język – kultura (3 May): Kulturotwórcza funkcja gier. Cywilizacja zabawy czy zabawy cywilizacji? Rola gier we współczesności, pp. 249–263, 2008.
• 36. Wierzchoń S.: Sztuczne systemy immunologiczne. Teoria i zastosowania (Eng. Artificial immune systems. Theory and Applications). AOW EXIT, Warszawa 2001, pages 282.
• 37. Yannakakis G. N. and Togelius J.: Artificial Intelligence and Games. Springer, 2018.
• 38. Żurada J., Barski M., and Jędruch W.: Sztuczne sieci neuronowe: podstawy teorii i zastosowania (Eng. Artificial neural networks: basic theory and applications). WN PWN,Warszawa 1996, pages 375