🎮 Inicio · 📚 Clases · 🔎 Buscar · 🧭 Rutas · 📖 Manual · 📝 Autoevaluación · ✅ Progreso · 🧪 Labs

🧠 Lab — IA de enemigos

⬅️ Volver a los labs · 📚 Parte 5 del curso

El proyecto que acompaña a la Parte 5 (clases 108–125) y a su capstone (clase 125).

🧠 Qué es

Un enemigo que te busca. Tiene behavior tree, cono de visión, memoria y pathfinding con A*, y con eso solo ya recorre el ciclo entero:

patrulla → te ve → persigue → te pierde → busca donde te vio → vuelve a patrullar

Controles: WASD o flechas para moverte. Escóndete tras un muro y mira qué hace.

📁 Estructura

ia-enemigo/
├── inicio/      ← empieza aquí: completa los TODO
│   ├── project.godot
│   ├── escenas/         (mundo, enemigo, jugador)
│   └── scripts/
│       ├── mundo.gd         (nivel ASCII y reparto de dependencias — resuelto)
│       ├── navegador.gd     (el servicio de A* — resuelto)
│       ├── jugador.gd       (control y bot de pruebas — resuelto)
│       ├── enemigo.gd       ← TU TRABAJO: percepción, memoria y acciones
│       └── bt/
│           ├── nodo_bt.gd   (el contrato: EXITO / FALLO / EN_CURSO — resuelto)
│           ├── compuesto.gd (base de los nodos con hijos — resuelto)
│           ├── hoja.gd      (Condicion y AccionBT — resuelto)
│           ├── secuencia.gd ← TU TRABAJO (TODO 1)
│           └── selector.gd  ← TU TRABAJO (TODO 2)
└── solucion/    ← referencia completa

🚀 Cómo empezar

  1. Instala Godot 4.3+ desde https://godotengine.org/download.
  2. Godot → Import → labs/ia-enemigo/inicio/project.godot → F5.
  3. Verás el mapa, tu personaje y un enemigo rojo… plantado. Ese es tu punto de partida.
  4. Completa los TODO en orden:
TODO Dónde Qué consigues Clase
1 bt/secuencia.gd El "Y" del árbol 111
2 bt/selector.gd El "O", y con él la prioridad 111
3 enemigo.gd Que te vea (distancia + cono + muros) 116
4 enemigo.gd Que te recuerde al perderte 116
5 enemigo.gd Que te persiga con A* 113
6 enemigo.gd Que patrulle entre los puntos 125

Con 1 y 2 el árbol ya decide, pero el enemigo sigue ciego: verás IA: patrulla y poco más. Con 3 y 4 empieza a verte. Con 5 y 6 se mueve.

¿Atascado? Abre el archivo equivalente en solucion/ y compara. No es hacer trampa: leer código bueno es parte de aprender.

🌳 Por qué un árbol y no una máquina de estados

Con una FSM (clase 109), cada comportamiento nuevo te obliga a repasar todas las transiciones que ya tenías: cinco estados son veinte flechas posibles, y todas hay que pensarlas. Con un árbol, añadir un comportamiento es añadir una rama.

Todo el árbol se sostiene sobre dos ideas y nada más:

Y de ahí sale la idea que más cuesta ver: el orden de los hijos ES el diseño de la IA. El selector raíz de este lab es

raíz (Selector)
├── combatir   (Secuencia)  ¿lo veo? → persíguelo
├── buscar     (Secuencia)  ¿me queda memoria? → ve a donde lo vi
└── patrullar  (Secuencia)  recorre los puntos

Ese orden es lo único que hace que perseguirte gane a seguir la ronda. Cambia patrullar de sitio y tendrás un enemigo que te mira a la cara y se va a hacer su recorrido. Pruébalo: es un cambio de una línea y explica la Parte 5 entera.

Un detalle que se escapa siempre. Perseguir devuelve EN_CURSO, no EXITO. Si devolviera EXITO, la secuencia daría la rama por terminada y el selector bajaría a patrullar en el frame siguiente. EN_CURSO es lo que significa "sigo en ello, no me interrumpas".

👁️ La percepción, en tres filtros

Ordenados del más barato al más caro, y ese orden importa:

  1. ¿Está cerca? Una resta y una longitud.
  2. ¿Está en el cono? Un producto punto contra el coseno del semiángulo. El dot de dos vectores normalizados ya es el coseno del ángulo entre ellos: compararlo con cos(45°) cuesta una multiplicación, mientras que sacar el ángulo con acos() cuesta mucho más y da lo mismo.
  3. ¿Hay un muro en medio? Ahora sí, un raycast — que es lo caro, y por eso va el último.

🗺️ El nivel

Se genera desde un mapa ASCII en scripts/mundo.gd. Edítalo y verás el cambio al instante:

'#' muro   '.' suelo   'P' jugador   'E' enemigo   'o' punto de patrulla

Es el mismo truco de los otros labs: legible, editable con cualquier editor y revisable en un diff.

Por qué AStarGrid2D y no NavigationAgent2D. El agente de navegación es más cómodo en un juego real, pero calcula por detrás y contesta por señal, así que dos partidas iguales no dan exactamente lo mismo. AStarGrid2D responde en el acto y siempre igual. Para aprender el algoritmo es mejor (lo ves entero, clase 113), y además es lo que permite que la CI compruebe la IA en vez de solo mirar si arranca. Cuando montes un juego 3D con terreno irregular, usa NavigationAgent3D — la clase 114 lo enseña.

✅ Retos para ampliarlo

  1. Flanqueo (es el reto del capstone 125): si lo ves pero hay un muro en medio, rodea en vez de quedarte quieto.
  2. Un decorador Inversor: devuelve EXITO donde su hijo da FALLO. Con él, "si NO lo veo" es una rama más.
  3. Oído (clase 116): que el jugador haga ruido al correr y el enemigo lo investigue.
  4. Dos enemigos que se avisen entre ellos (clase 119).
  5. Utility AI (clase 117): que elija entre perseguir, pedir ayuda o huir según su vida.
  6. GOAP (clase 118): sustituye el árbol por un planificador y compara.
  7. Dibuja el cono y la ruta en pantalla con _draw(): ver lo que la IA "piensa" es la mejor herramienta de depuración que vas a tener.

🔍 Verificación

Este lab se comprueba en CI de dos formas:

  1. Como los demás: los dos proyectos importan y arrancan headless sin errores.
  2. Con una prueba de comportamiento: la CI mueve al jugador por un circuito fijo y exige que el árbol recorra sus ramas — que patrulle, te vea y persiga, te pierda y busque, y vuelva a patrullar. No se conforma con que arranque: un enemigo plantado también arranca.

Esa prueba es posible porque el lab es determinista: AStarGrid2D es síncrono y el bot lleva un recorrido fijo, así que la misma partida da siempre la misma secuencia. Puedes repetirla en local:

godot --headless --path labs/ia-enemigo/solucion --quit-after 1500 -- --bot
# Debe imprimir, en este orden:
#   IA: patrulla
#   IA: persecucion
#   IA: busqueda
#   IA: patrulla