Neural model of the vehicle control system in a racing game. Part 2, Research experiments

• Autorzy: Bolesta Arkadiusz , Tchórzewski Jerzy

Identyfikatory

DOI

10.34739/si.2022.26.03

• Języki publikacji: EN

Abstrakty

EN

This article, which is a continuation of the article under the same main title and subtitle: part 1 Design and its implementation, includes the obtained results of research experiments with the use of a designed and implemented racing game. It uses a neural model of the vehicle motion control system on the racetrack in the form of a Perceptron Artificial Neural Network (ANN). In designing the movement of vehicles on the racetrack, the following were used, inter alia, Godot 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. This article shows, among others, the results of 10 selected research experiments, testing and simulation, confirming the correct functioning of both the computer game and the model of the neural control system. As a result of simulation tests, it turned out that the longest lap of the track in the conducted experiments lasted 4 minutes and 55 seconds, and the shortest - 10.47 seconds. In five minutes, the highest number of laps was 34, while the lowest numbers of laps were 1 and 5. In the course of the experiments it was noticed that under the same conditions the ANN learning outcomes are sometimes different.

Słowa kluczowe

EN

Godot Engine; MATLAB; Simulink environment; Neural control system; Perceptron Artificial Neural Networks; video games

• Wydawca: Wydawnictwo Uniwersytetu Przyrodniczo-Humanistycznego w Siedlcach
• Czasopismo: Studia Informatica : systems and information technology
• Rocznik: 2022
• Tom: Vol. 1(26)
• Strony: 45--60
• Opis fizyczny: Bibliogr. 38 poz., rys., tab.

Twórcy

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

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

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 235.
• 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*, 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 NEATalgorithm. 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%20Beaten.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, Siedlce 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.