TÉCNICAS DE APRENDIZADO POR REFORÇO PARA MELHORAR O COMPORTAMENTO ADAPTATIVO DE NPCS EM UM JOGO ROGUELIKE/ROGUELITE

Os jogos Roguelike/Roguelite destacam-se por sua geração procedural, alta dificuldade e rejogabilidade, proporcionando experiências únicas a cada sessão. Neste contexto, os NPCs (Personagens Não-Jogáveis) desempenham um papel fundamental ao interagir dinamicamente com os jogadores. Este estudo revisa o uso de técnicas de Aprendizado por Reforço (Reinforcement Learning - RL) aplicadas ao comportamento adaptativo de NPCs em jogos Roguelike, permitindo que estes aprendam e ajustem suas estratégias com base no desempenho e nas ações dos jogadores. A adaptação dos NPCs promove uma experiência mais envolvente, desafiadora e personalizada. Além de revisar os métodos e aplicações existentes, o trabalho discute desafios, como o alto custo computacional e a necessidade de balanceamento entre usar o já conhecido ou buscar outras alternativas que podem ser melhores, apresentando também oportunidades para futuras pesquisas.