Reflexión sobre el reto de estudio: El Guardián del Laberinto Adaptativo
Reflexión sobre el reto de estudio: El Guardián del Laberinto Adaptativo
Autor: @iexaminar (José Gustavo González Toledo)
Fecha: 13/01/2026
Materia: Programación de Entornos Virtuales
Profesor: @frexus
Caso de estudio
He leído y analizado el reto publicado por el profesor:
Enlace a la actividad
En este caso se aborda el tema de la implementación de agentes autónomos mediante Inteligencia Artificial en entornos virtuales, donde un avatar debe desplazarse dentro de un entorno dinámico, evitando obstáculos y cumpliendo objetivos sin depender de rutas fijas programadas.
El reto presenta un escenario donde un sistema basado en scripts falla cuando aparecen elementos inesperados, lo que obliga a integrar un modelo de IA que pueda percibir el entorno y tomar decisiones.
Reflexión personal
El caso me permitió entender que un entorno virtual no solo debe verse bien, sino que también debe tener una lógica interna capaz de adaptarse a cambios.
Si yo estuviera desarrollando este sistema, optaría por una solución que permita al avatar aprender de sus errores en lugar de depender de rutas rígidas.
Actividad: Reto diagnóstico
1. Elección del “cerebro”
Yo elegiría la opción A) ML-Agents (Unity). Pienso que está diseñado específicamente para trabajar con agentes dentro de entornos virtuales. Permite que el avatar aprenda mediante prueba y error, lo cual es ideal cuando hay obstáculos que aparecen de forma imprevista. TensorFlow sería más complejo de integrar y A* Pathfinding no se adapta cuando el entorno cambia. El único problema que reconozco de la opción que seleccioné es que requiere de entrenamiento previo.
2. Mapa de datos
El entorno virtual debe enviarle a la IA datos como:
- Distancia al obstáculo más cercano
- Dirección hacia el paquete
- Posición del avatar
- Detección de colisiones
- Dirección de movimiento
Estos datos funcionan como los “sentidos” del avatar y le permiten saber qué tiene enfrente y hacia dónde debe ir.
3. Sistema de premios
- Recoger un paquete: +10 puntos
- Chocar contra un obstáculo: −15 puntos
- Avanzar sin chocar: +1 punto por segundo
Si el agente se queda quieto para no perder puntos, se le restan −2 puntos por segundo para obligarlo a seguir explorando.
Preguntas de reflexión
1. Diferenciación conceptual:
Un personaje con if-else solo sigue reglas fijas, mientras que uno con IA puede adaptarse a situaciones nuevas usando datos del entorno.
2. Percepción del entorno:
El avatar debe recibir coordenadas, distancias, ángulos y detección de colisiones, que se convierten en valores que la IA analiza para decidir.
3. Selección e integración:
Es importante que la librería sea compatible con el motor, que no consuma demasiados recursos y que sea estable.
4. Proceso de aprendizaje:
Un entorno para humanos busca ser visual y entretenido, mientras que uno para IA se diseña para repetir pruebas y aprender por ensayo y error.
5. Mantenimiento y pruebas:
Si el avatar gira sin avanzar, revisaría primero los sensores, luego la física del entorno y después la configuración de la IA.
6. Incertidumbre:
La IA puede usar valores graduales, como niveles de batería o distancia al objetivo, para tomar decisiones más realistas.
Conclusiones finales
Aprendizaje obtenido:
Aprendí que la Inteligencia Artificial en entornos virtuales no se trata solo de programar movimientos, sino de permitir que un agente analice su entorno y aprenda de sus errores.
Dificultades enfrentadas:
Lo más complicado fue entender cómo una IA toma decisiones a partir de datos numéricos, ya que no es algo que se vea directamente como un script tradicional.
Backlinks y referencias
- Post original del profesor:
Post original del profesor en Steem
Este post forma parte de la actividad de aprendizaje correspondiente a la unidad [Fundamentos de la Inteligencia Artificial y Aplicaciones].
Publicación realizada con fines educativos como parte del curso de [Programación de Entronos Virtuales]. Gracias por su atención :D.