El Guardián del Laberinto Adaptativo: Un reto de IA
Reflexión sobre el caso de estudio: El Guardián del Laberinto Adaptativo
Autor: @riku.dola
Fecha: 13/01/2026
Materia: Programación de programación de entornos virtuales
Profesor: @frexus
Caso de estudio
He leído y analizado el caso publicado por el profesor:
El Guardián del Laberinto Adaptativo: Un reto de IA
En este caso se aborda el tema de la Inteligencia Artificial aplicada a entornos virtuales, específicamente la navegación adaptativa de un avatar dentro de un almacén automatizado con obstáculos dinámicos.
Reflexión personal
Este caso deja claro que usar rutas fijas ya no es suficiente cuando el entorno cambia todo el tiempo.
Elección del “cerebro”
Yo elegiría ML-Agents (Unity), porque se adapta muy bien a entornos virtuales y permite que el avatar aprenda por prueba y error. No solo sigue reglas, sino que mejora con el tiempo. A* serviría, pero se queda corto cuando hay obstáculos impredecibles, y TensorFlow sería más pesado para este tipo de simulación en tiempo real.Mapa de datos (qué información mandarle a la IA)
El entorno debería enviarle datos como:- Distancia a muros y obstáculos cercanos
- Posición y dirección del avatar
- Ubicación de los paquetes
- Velocidad actual
- Ángulo de visión
- Estado del entorno (obstáculo fijo o móvil)
Con eso, la IA puede decidir moverse, frenar o cambiar de ruta sin chocar.
Sistema de recompensas
- Premio: +10 puntos por recoger un paquete correctamente
- Castigo: -15 puntos por chocar con un obstáculo
- Inactividad: -1 punto por cada segundo que se quede quieto sin razón
Así se evita que el avatar “se haga tonto” quedándose parado solo para no perder puntos.
Preguntas de reflexión (Evaluación diagnóstica)
Diferencia entre scripts y IA:
Un script solo sigue reglas fijas (if-else). La IA aprende, se adapta y toma decisiones aunque la situación no esté prevista.
Percepción del entorno:
El avatar necesita sensores digitales como coordenadas, raycasts, detección de colisiones y vectores de dirección. Estos datos se convierten en valores numéricos que la IA procesa para decidir.
Selección de herramientas:
Lo más importante es la compatibilidad con el motor, el rendimiento (FPS), facilidad de integración y soporte para simulaciones en tiempo real.
Entorno humano vs entorno de entrenamiento IA:
Un entorno para humanos se enfoca en la experiencia visual. Uno para IA se enfoca en datos claros, repetición de escenarios y recompensas bien definidas.
Mantenimiento y pruebas:
Primero revisaría los datos de entrada, luego las físicas del entorno y al final la configuración de la librería. Probaría cada parte por separado para encontrar el error.
Impacto de la incertidumbre:
Se puede usar lógica difusa o valores porcentuales, por ejemplo: batería al 40%, distancia media al objetivo, riesgo moderado. Así el avatar decide con base en probabilidades y no solo en sí o no.
Conclusiones finales
Aprendizaje obtenido:
Aprendí que antes de programar una IA es clave definir bien los datos, las recompensas y el comportamiento esperado. Esto se puede aplicar directamente en videojuegos, simuladores y entornos industriales.
Dificultades enfrentadas:
Lo más complicado fue pensar en un sistema de recompensas equilibrado. Lo resolví analizando qué acciones debía fomentar y cuáles debía evitar el avatar.
Backlinks y referencias
Este post forma parte de la actividad de aprendizaje correspondiente a la unidad Inteligencia Artificial en Entornos Virtuales. Publicación realizada con fines educativos como parte del curso de Programación de videojuegos.