Pesquisa de mestrado · IA para Jogos · UFRGS
Instituto de Informática, Universidade Federal do Rio Grande do Sul
O HTN define o que é válido.
O MORL aprende o que é preferível.
As preferências dinâmicas determinam o que importa agora.
Um NPC escrito com uma rede hierárquica de tarefas é válido por construção: ele só faz o que o designer permitiu. O preço é a rigidez — quando as prioridades mudam, e segurança passa a valer mais que velocidade, o domínio precisa ser reescrito. Soltar um aprendiz sobre as ações primitivas resolve a rigidez e joga fora a garantia. Este trabalho move o aprendizado para outro lugar: a escolha do método.
Em cada tarefa composta, o HTN expõe apenas os métodos cujas pré-condições valem no estado atual. Tudo o que é semanticamente inválido sob as restrições do designer sai de cena antes de o aprendizado ser consultado.
As recompensas são vetores, não escalares, então objetivos em conflito permanecem separados em vez de colapsar num número só. Condicionar a política a um vetor de preferências dá um único agente que cobre o espaço de trade-offs: para toda preferência linear existe uma política ótima no conjunto de cobertura convexa.
O vetor de pesos carrega o trade-off atual entre missão, segurança, recursos e tempo. Mudá-lo muda o método selecionado — sem tocar no domínio HTN. É esse o ponto: adaptação sem reautoria.
Só o método selecionado é decomposto, e as tarefas primitivas seguem em execução convencional. O crédito é atribuído no nível da decisão hierárquica, e não a ações individuais, que é o que mantém o sinal de aprendizado legível e o comportamento explicável.
O artigo principal não está publicado aqui. O que está disponível é o pôster e, quando sair, o artigo do ERAMIA-RS.
