Site gratuit créé sur
Fallen Station est un FPS à énigme dans lequel le joueur doit élucider le mystère de la station qu'il explore.
La mécanique principale du jeu est la possibilité de switcher entre le passé et le présent, à n'importe quel moment endroit de la station. Dans la map du présent, la station est remplie de débris bloquant la majorité des chemins. Celle du passé, les systèmes de défense sont toujours en ligne et détectent l'explorateur en tant qu’intrus à abattre à tout prix. Chaque niveau proposera son lot d'IA ennemis, d'énigmes et de boss fights.
MA CONTRIBUTION : Je me suis principalement occupé du comportement IA des ennemis ainsi que la construction du dernier niveau avec son boss de fin.
Le projet a été de développé en C++ un moteur physique dont les objets sont des corps rigides et dont la résolution de collisions se fait de manière itérative à l’aide d’impulsions. L'API OpenGL a été utilisée pour l'interface graphique.
Phase 2 : gestion d’objets formés de plusieurs masses par l’ajout de différentes forces et contraintes (ressort, poussée d'archimed, résistance du sol...)
Phase 1: construction d’un moteur élémentaire de gestion de particules
Phase 3 : gestion des corps rigides par l’ajout de la physique rotationnelle
Phase 4 : ajout d’un système de résolution de collisions (utilisation d'un octree)
Bonus : Simulation d'accident de voitures
Le projet consiste à implémenter de nouvelles fonctionnalités à une simulation en C++ dans lequel des agents sont dirigés par un ou plusieurs buts : aller prendre des munitions, attaquer une cible ou explorer l’environnement.
Implémentation d'une fuzzy logic dans la visée et le tir de l'agent
Cela permets d'exprimer en code des concepts tels que « loin » ou « légèrement » non pas par des intervalles discrets, mais par des ensembles flous
Ajout d'un comportement de target sur un agent ennemi désigné
L'utilisateur peut se créer une équipe d’agent-raven
Utilisation d'un réseau de neurones pour créer un bot-apprenant
Le bot, ne sachant d'abord pas tirer, créée des données d’apprentissage en observant chaque action d'un bot selon différentes variables, et en mesurant la performance de celles-ci
Chronomancers est un jeu stratégique local à 2 joueurs dans un univers de médial fantasy. Le principe de boucle temporelle s'inspire du jeu Lemnis Gate et le but est de contrôler une zone.
Le joueur dispose de personnages qui ont leur propres attaques et caractéristiques (l'archer, le barbare, le mage...). Chacun leur tour, les joueurs choisissent une action à faire sur un personnage (se déplacer, attaquer, se défendre ou utiliser des items). À la fin d'un certain nombre de tics, l'état global du jeu est reset : toutes les actions qu'a fait le joueur sur son personnage sont enregistrées et seront rejouées au tour suivant, le joueur adverse les connaitra donc et chacun essaiera de changer le cours des événements...
MA CONTRIBUTION : Construction de la map, intégration des sprites et de toutes les animations. J'ai également géré le système de score et la boucle du jeu.
Le projet a consisté à créer un agent capable d'apprendre à jouer à Space Invaders. Nous avons utilisé l'algorithme de deep Q-Learning pour l'apprentissage par renforcement, ainsi qu'un réseau neuronal convolutif pour permettre à l'agent d'observer chaque frame du jeu.
Pour faire simple, notre réseau de neurone prend comme entrée une fame du jeu, et celui-ci nous retourne en sortie un input spécifique à effectuer (se déplacer, tirer...).
Pour permettre au réseau d'apprendre, étant donné une séquence d'états du jeu et d'actions, on va y associer une récompense, liée à la perte engendrée par l'action effectuée. L'objectif de l'agent est d'apprendre une stratégie qui maximise les récompenses futures.
Just a Night est un jeu d'horreur réalisé dans le cadre de la Brackeys Game Jame 2022, nous étions trois développeurs. Le joueur incarne un enfant qui, réveillé par l'orage, cherche ses parents dans sa maison. Il remarque rapidement que des choses étranges se passent...
MA CONTRIBUTION : Je me suis principalement occupé des animations, la navigation du joueur et de toute l'ambiance sonore.
L'aspirobot peut capter l'environnement dans lequel il est, qui est composé de poussières et de bijoux apparaissant en continu. Il peut aspirer, ramasser ou se déplacer. Son état interne est sous la forme BDI « Beliefs-Desires-Intentions ».
L'objectif est de rendre le manoir propre le plus rapidement et d'aspirer le moins de bijoux possible. L'agent planifie ses actions grâce aux algorithmes d’exploration non-informés et informés (avec heuristique). Enfin, après X itérations à apprendre et grâce à sa mesure de performance, l'agent optimise sa fréquence d’exploration.
Le travail est l'implémentation d'un agent capable de résoudre des Sudokus, sous la forme d’un problème à satisfaction de contraintes.
Le CSP utilise l'algorithme Arc Consistency Algorithm 3 (AC-3) et les heuristiques minimum-remaining-values, degree heuristic et least constraining value. Pour son raisonnement, l'algorithme de backtracking a été utilisé.
Une application android similaire à Yuka (mais en mieux) que j'ai développé avec un camarade sur Android Studio.
L'utilisateur scanne le code barre pour voir de nombreuses informations sur le produit. Il a accès à son historique et ses favoris, et peut mettre ses allergies et son régime alimentaire.
Application développée en python calculant les contraintes et les déformations de structures variées par la méthode des éléments finis.
Avenue Gustave eiffel, Paris 75007
|