TNT logo LUH TNT

Video Game AI Competition Team

TNT members involved in this project:
Maren Awiszus, M.Sc.
Florian Kluger
Dipl. Math. Oliver Müller
Bastian Wandt, M.Sc.

Du magst Videospiele und bist von künstlicher Intelligenz fasziniert? Dann bist du hier genau richtig, denn das Institut für Informationsverarbeitung (TNT) möchte ein AI Competition Team aufbauen und sucht dafür interessierte Studierende. Hier hast du die Chance das gelernte Wissen aus der Universität praktisch anzuwenden. Dabei kannst du dir zusätzlich auch noch Leistungspunkte in Form einer Studienarbeit verdienen.

Ziel ist es, für ausgewählte Spiele eine eigene AI zu entwickeln und mit dieser an Wettkämpfen teilzunehmen.

Interesse? Dann komme zum ersten Treffen am 17.11.2017 um 15 Uhr im LFI-Hörsaal (Gebäude 3702) - Wir freuen uns auf DICH!

Noch Fragen? Kein Problem, melde dich einfach bei uns unter: ai-battle@tnt.uni-hannover

BattleSnake

Quelle: http://burton-krahn.com/battlesnakes.html

BattleSnake ist ein Videospiel, welches auf dem klassischen Snake basiert. Um die Schwierigkeit für die AI zu steigern, muss der Spieler bzw. die AI nicht nur darauf achten, sich selbst nicht zu fressen oder in eine Wand zu laufen. Die Schlange muss nun auch in regelmäßigen Abständen etwas fressen, um nicht zu verhungern. Auch kann das Spielfeld auf die Anzahl der Schlangen angepasst werden, die eine weitere Herausforderung bilden.

Der Wettbewerb in Kanada hat inzwischen einen großen Anklang gefunden, so dass bei „BattleSnake 2017“ über 500 Personen teilnahmen. Je nach Kategorie können hier die Preise von bis zu 1.000$ pro Team erreichen. Das Team kann aus max. fünf Personen bestehen, wobei auch eine Einzelteilnahme möglich ist.

BattleSnake hat zwei Modi. In der Classic Division muss die Schlange überleben. Sie darf weder kollidieren noch verhungern. Die letzte überlebende Schlange gewinnt.

Die Advanced Division beinhaltet zwei Erweiterungen. Periodisch spawnen Mauern auf dem Spielfeld. Auch erscheinen auf dem Spielfeld Coins. Wenn eine Schlange fünf Coins gesammelt hat, gewinnt diese sofort ungeachtet dessen, ob noch andere Schlangen am leben sind.

Startersnakes für den Einstieg gibt es in den Programmiersprachen Python, Ruby, NoodeJS und Go.

 

Zusammenfassung:

  • BattleSnake basiert auf Snake

  • Preisgeld bis zu 1.000$/Team

  • zwei Modi – Classic Division und Advanced Division

  • Programmiersprachen: Python, Ruby, NoodeJS, Go

 

Links:

https://www.battlesnake.io/

http://sendwithus.github.io/battlesnake/present/#/

https://docs.google.com/presentation/d/1iD2xZthNFaWeNfgPr6KjR8e7O80Pua9mdQje3i8782A/edit#slide=id.g1190002876_0_429

 

 


Battlecode

hallo
Quelle: https://visualhype.net/articles/battlecode-2015-recap

Battlecode ist ein Echtzeit-Strategiespiel, in dem zwei Teams, bestehend aus jeweils bis zu vier Personen, gegeneinander antreten um die AI des Konkurrenten zu besiegen.

Das Turnier ist in fünf kleine Turniere (Sprint Tournament, Seeding Tournament, Qualifying Tournament, Newbie und Final Tournament) unterteilt. Hierbei gilt, dass das Newbie Tournament Teil des Final Tournaments ist. In den Final Tournaments können Bargeldpreise im Gesamtwert von 50.000$ gewonnen werden.

Battlecode kann in Java, Scala und Kotlin programmiert werden. Die meisten benutzen hierbei Java. Die Software von Battlecode wird den Teams Anfang Januar mit dem Regelwerk zur Verfügung gestellt. In der folgenden Woche finden die ersten Turniere statt.

Auf der Webseite von Battlecode sind sowohl Online Lectures als auch die Quellcodes der Gewinner der vergangenen Jahre zu finden. Diese ermöglichen einen relativ leichten Einstieg.

 

Zusammenfassung:

  • Echtzeit-Strategiespiel

  • Bargeldpreise im Gesamtwert von 50.000$

  • Programmiersprachen: Java, Scala, Kotlin

 

Links:

https://www.battlecode.org/contestants/about/

https://www.battlecode.org/tournaments/

 

 


Fighting Game AI

Quelle: https://www.youtube.com/watch?v=_Poz6qwIwbc

Die Fighting Game AI Competition basiert auf dem Spiel „FightingICE“. Das Fighting Game besteht aus drei Runden, welche jeweils 60s dauern. Es gibt zwei Modi:

  • Standard

  • Speedrunning

Im Standard Modus tritt die eigene AI gegen die eines Konkurrenten an. Das Ziel ist es den Gegner zu besiegen. Hier geht die AI als Sieger hervor, welche die meisten Runden gewonnen hat.

Im Gegensatz zu dem Standard Modus kämpft die eigene AI bei dem Speedrunning nicht um die AI eines anderen Turnierteilnehmers, sondern gegen die AI der Veranstalter. Diese muss möglichst schnell besiegt werden, denn hier ist die benötigte Zeit die ausschlaggebende Kategorie.

Bei „Fighting Game“ ist es möglich in Java oder Python zu programmieren. Allerdings unterstützen die Competition Server keine Deep Learning Library wie z.B. Torch oder TensorFlow.

 

Zusammenfassung:

  • Preisgeld bis zu 500$

  • Zwei Modi: Standard und Speedrunning

  • Programmiersprachen: Java, Python

  • Keine Unterstützung von Deep Learning Libraries (Torch, Tensorflow, …)

 

Links:

http://www.ice.ci.ritsumei.ac.jp/~ftgaic/index.htm

 

 


Starcraft II

Quelle: https://www.amazon.com/StarCraft-II-Wings-Liberty-pc/
dp/B000ZKA0J6

StarCraft 2 ist ein Echtzeit-Strategiespiel, welches von dem US-amerikanischen Videospielhersteller Blizzard entwickelt wurde.

Es gibt drei Fraktionen, welche jeweils verschiedene Luft- und Bodeneinheiten mit individuellen Fähigkeiten besitzen. Die Kombination verschiedener Einheitstypen in einer vielseitigen Armee ist hierbei der Schlüssel zum Sieg.

Die AI-Forschung ist hier noch am Anfang und stellt aufgrund der hohen Komplexität des Spiels vor einer großen Herausforderung. Daher gibt es auch noch keine Wettkämpfe, sondern lediglich ein umfassendes, von Blizzard bereitgestelltes Environment zum Trainieren und Forschen.

 

Zusammenfassung:

  • Echtzeit-Strategiespiel

  • AI steht am Anfang, daher noch keine Competitons

  • hohe Komplexität

 

Links:

http://us.battle.net/sc2/en/blog/20944009/the-starcraft-ii-api-has-arrived-8-9-2017

http://eu.battle.net/sc2/de/game/guide/whats-sc2

https://deepmind.com/blog/deepmind-and-blizzard-open-starcraft-ii-ai-research-environment/