Desarrollo de una simulación 3D de interacciones naturales con técnicas de IA en un ecosistema

Abstract

[Resumen]: Este trabajo presenta el diseño, desarrollo e implementación de un simulador de ecosistemas naturales en 3D utilizando la plataforma Unity. El principal objetivo consiste en el análisis de cómo la toma de decisiones de los animales controlados con inteligencia artificial afecta a las diferentes poblaciones del ecosistema. Este se compone de herbívoros (ciervos y caballos), carnívoros (lobos) y de la hierba. Para esto se ha empleado una metodología incremental que incluye el diseño del entorno y los comportamientos básicos y continúa con la incorporación y evaluación de los algoritmos de decisión, como los genéticos, el aprendizaje por refuerzo, la inteligencia de enjambre y un enfoque aleatorio de referencia. Las simulaciones inician con unas condiciones controladas y modificables por el usuario y permiten observar la evolución de las poblaciones. Los resultados muestran que los algoritmos genéticos producen oscilaciones presa-depredador similares a las que se presentan en los modelos teóricos de Lotka y Volterra. Sin embargo, las demás técnicas presentan una mayor variabilidad e inestabilidad, sobre todo en el algoritmo aleatorio. Este estudio muestra la utilidad de emplear simuladores como el desarrollado en este trabajo en contextos ecológicos, sobre todo al emplear algoritmos evolutivos y adaptativos para reproducir dinámicas más realistas. También se abre la puerta a futuras investigaciones que incluyan la aplicación de simulaciones como la presentada para áreas como la ecología o la gestión ambiental.[Abstract]: This project shows the design, development and implementation of a 3D natural ecosystem simulator using the platform Unity. The main goal is to analyse how the decision-making of the AI-controlled animals affects the different populations of the ecosystem. This is made up of herbivores (deer and horses), carnivores (wolves) and grass. An incremental methodology was used, including the design of the environment and basic behaviours, and continues with the addition and evaluation of the decision algorithms, such as genetic, reinforcement learning, swarm intelligence and a random approach as a reference. The simulations start with controlled conditions which can be modified by users. The evolution of the populations can be observed. The results show that the prey-predator oscillations produced by the genetic algorithms are similar to those described by Lotka and Volterra. However, the other techniques present more variability and instability, especially in random algorithms. This study reveals that simulators like the one shown in the project can be useful in ecological contexts, especially when using evolutionary and adaptive algorithms that reproduce more realistic dynamics. It also creates opportunities for future research using similar simulations in ecology or environmental management.