Parte 5 — Inteligencia artificial para juegos

⬅️ Volver al programa · 📚 Índice completo · ⏮️ Parte anterior · ⏭️ Parte siguiente

18 clases · rango 108–125 · IA de juegos práctica: FSM y HFSM, behavior trees, pathfinding (A*), navmesh, steering, percepción, utility AI, GOAP, IA de combate, dirección dinámica y generación procedural

🧪 Laboratorio ejecutable: esta parte tiene un proyecto Godot real — labs/ia-enemigo — con versión inicio/ (para completar) y solucion/ (referencia jugable), verificado en CI: la prueba no mira si arranca, sino si el árbol decide.

Fuentes de referencia de esta parte:

• Ian Millington & John Funge, Artificial Intelligence for Games (2ª ed., CRC Press).
• Steve Rabin (ed.), Game AI Pro (series, CRC Press) — artículos gratis.
• Mat Buckland, Programming Game AI by Example (Wordware).
• Documentación de navegación de Godot 4.

🎯 ¿De qué trata esta parte?

La "IA" de un juego rara vez busca ser inteligente de verdad: busca ser creíble y divertida. Un guardia que patrulla, te ve, te persigue y pierde tu rastro no necesita redes neuronales, sino buenas estructuras de decisión. Esta parte enseña las herramientas que usa la industria, de lo simple a lo avanzado: máquinas de estado (FSM y jerárquicas), behavior trees (el estándar para enemigos complejos), y cómo darles movimiento con pathfinding A*, navmesh y steering behaviors.

Después subimos de nivel: percepción (visión, oído y memoria del agente), toma de decisiones con utility AI, planificación con GOAP, IA de combate (cobertura, flanqueo, coordinación de grupo), directores que ajustan la dificultad, y NPCs con vida ambiental. Cerramos con generación procedural (ruido Perlin/Simplex, niveles y mazmorras), un vistazo al machine learning en juegos (ML-Agents, RL) y un capstone: un enemigo completo con behavior tree, percepción y pathfinding.

🧩 Problemas que resuelve

• Enemigos "tontos" que no reaccionan, o cuyo código es un if gigante inmantenible.
• IA que se atasca en paredes o no sabe rodear obstáculos (mal pathfinding).
• Agentes que "ven" a través de muros o reaccionan de forma poco natural (falta de percepción).
• Comportamientos rígidos que no escalan a decisiones complejas (aquí entran BT, utility y GOAP).
• Combate sin táctica: enemigos que se amontonan sin coordinarse.
• Niveles siempre iguales por no dominar la generación procedural.

🎓 Resultados de aprendizaje

Al terminar la parte, el alumno podrá:

• Implementar FSM y máquinas de estado jerárquicas para IA de agentes.
• Diseñar y construir behavior trees para enemigos complejos.
• Aplicar pathfinding A*, navmesh y steering behaviors con evitación de obstáculos.
• Modelar percepción (visión/oído/memoria) y toma de decisiones (utility AI, GOAP).
• Coordinar IA de combate y ajustar la dificultad con un director.
• Generar contenido procedural con ruido y algoritmos de niveles.
• Entender el rol (y los límites) del machine learning en juegos.

🧱 Prerrequisitos

• Partes 0–2 (máquina de estados, vectores, escenas 2D/3D y navegación básica).
• Steering behaviors introducidos en la Parte 3 (se retoman y amplían aquí).
• Godot 4.x (los laboratorios usan su sistema de navegación y GDScript).

📚 Las 18 clases

Con el mundo vivo, la Parte 6 le pone banda sonora: diseño de sonido, audio posicional y música adaptativa.