Inteligência artificial aplicado a evolução de jogos eletrônicos FPS

Marcos Henrique da Silva Alves Carvalho; Audair Silva Leite; Jhemeson Kaique Santos Souza; Gabriel da Silva Lopes; Patrícia Cristina de Sá Menezes; Danilo da Costa Pereira; Tássio José Gonçalves Gomes; Breno Leonardo Gomes de Menezes Araújo

doi:10.33448/rsd-v15i1.50576

Autores

Marcos Henrique da Silva Alves Carvalho Instituto Federal de Educação, Ciência e Tecnologia do Sertão Pernambucano https://orcid.org/0009-0008-5726-2999
Audair Silva Leite Instituto Federal de Educação, Ciência e Tecnologia do Sertão Pernambucano https://orcid.org/0009-0001-8156-2317
Jhemeson Kaique Santos Souza Instituto Federal de Educação, Ciência e Tecnologia do Sertão Pernambucano https://orcid.org/0009-0001-9505-6108
Gabriel da Silva Lopes Instituto Federal de Educação, Ciência e Tecnologia do Sertão Pernambucano https://orcid.org/0009-0003-1613-7773
Patrícia Cristina de Sá Menezes Instituto Federal de Educação, Ciência e Tecnologia do Sertão Pernambucano https://orcid.org/0009-0008-6636-6255
Danilo da Costa Pereira Instituto Federal de Educação, Ciência e Tecnologia do Sertão Pernambucano https://orcid.org/0009-0008-4739-1666
Tássio José Gonçalves Gomes Instituto Federal de Educação, Ciência e Tecnologia do Sertão Pernambucano https://orcid.org/0000-0003-4752-9115
Breno Leonardo Gomes de Menezes Araújo Instituto Federal de Educação, Ciência e Tecnologia do Sertão Pernambucano https://orcid.org/0000-0003-4729-3704

DOI:

https://doi.org/10.33448/rsd-v15i1.50576

Palavras-chave:

Inteligência Artificial, Jogos FPS, Comportamento de NPC, Adaptação Dinâmica de Dificuldade.

Resumo

O objetivo principal desta revisão é mapear e analisar como a IA tem sido utilizada para aprimorar a experiência dos jogadores em jogos FPS, com foco em aspectos como comportamento de personagens não jogáveis ou Non-Playable Charecter (NPCs), adaptação da dificuldade, imersão, realismo e personalização. Utilizando um método rigoroso baseado nas diretrizes de Kitchenham, foram sintetizados estudos publicados entre 2023 e 2025. Os resultados demonstram uma clara transição de técnicas clássicas de IA, como Máquinas de Estados Finitos (FSMs) e Árvores de Comportamento (BTs), para algoritmos avançados de aprendizado de máquina, notadamente o deep reinforcement learning. A análise evidencia que a IA é um pilar central na modernização dos FPS, impactando diretamente o comportamento de personagens não jogáveis (NPCs), a personalização da experiência através da Adaptação Dinâmica de Dificuldade (DDA) e a busca por maior imersão e realismo. O estudo também identifica desafios técnicos recorrentes, como o alto custo computacional, a necessidade de vastos conjuntos de dados para treinamento e a complexidade de depuração de modelos de "caixa preta". Por fim, são discutidas tendências emergentes, como o uso de Large Language Models (LLMs) para diálogos naturais e IA generativa para a criação de conteúdo dinâmico, que apontam para um futuro com experiências de jogo cada vez mais inteligentes e adaptativas.

Referências

Asmara, R. A.; Samudra, M. R.; Wibowo, D. W. (2023). Identifikasi Person Pada Game First Person Shooter (FPS) Menggunakan YOLO Object Detection dan Diimplementasikan Sebagai Agent Cerdas Automatic Target Hit. Jurnal Teknik Ilmu dan Aplikasi, Malang: Politeknik Negeri Malang, p. 142–144, 2023. ISSN 2460-5549. http://dx.doi.org/10.33795/jtia.v3i1.87.

Brocke, J. vom; Simons, A. & Niehaves, B. (2009). Reconstructing the giant: On the importance of rigour in documenting the literature search process. ECIS 2009 Proceedings, 161.

Du, H. (2025). The Progress and Trend of Intelligent NPCs in Games. In: Proceedings of the 5th International Conference on Signal Processing and Machine Learning, 2025. p. 158–160. DOI: 10.54254/2755-2721/133/2025.20635.

Gusmão, R. & Almeida, T. (2020). Inteligência Artificial aplicada ao design de NPCs em jogos digitais. Revista Brasileira de Games, 2(1), 45–58, 2020.

Yannakakis, G, N.; & Togelius, J. (2018). Artificial Intelligence and Games. Springer, 2018.

Kitchenham, B. (2007). Guidelines for performing Systematic Literature Reviews in Software Engineering. Keele University and University of Durham, 2007. https://www.researchgate.net/publication/302924724.

Lemos, M. L. H. D., Vieira, R. S. Tavares, A. R., Marcolino, L. S., & Chaimowicz, L. (2023). Scale-Invariant Reinforcement Learning in Real-Time Strategy Games. Anais do SBGames 2023. Disponível em: https://github.com/marcelo-lemos/MicroRTS-Py

Lima, E. S. Feijó, B., Casanova, M. A. & Furtado, A. L. (2023). ChatGeppetto – An AI-powered Storyteller Based on Large Language Models and Semiotic Operations. Anais do SBGames 2023.

Liu, X. (2023). The Application of Artificial Intelligence in FPS Games. Proceedings of the 2023 International Conference on Machine Learning and Automation. https://doi.org/10.54254/2755-2721/35/20230394.

Pereira, A. S., Shitsuka, D. M., Parreira, F. J. & Shitsuka, R. (2018). Metodologia da pesquisa científica. Editora da UFSM. https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1.

Silva, L. et al. (2021). Aplicações de Inteligência Artificial em jogos digitais: um estudo sobre jogabilidade adaptativa. Revista Eletrônica de Computação Aplicada, 19(1), 15–27, 2021.

Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, Elsevier. 104(C), 333-9. Doi: 10.1016/j.jbusres.2019.07.039.

Uludağlı, M.Ç.& Oğuz, K. (2023). Non-player character decision-making in computer games. Artif Intell Rev 56, 14159–14191 (2023).

https://doi-org.ez137.periodicos.capes.gov.br/10.1007/s10462-023-10491-7.