Stageverslag: kan een AI Rummikub spelen?
1 april 2021Dit stageproject onderzoekt of artificiële intelligentie het bordspel Rummikub kan spelen door computer vision te combineren met spelalgoritmes.
Deze bijdrage komt van Sander Backx van Thomas More Geel.
Van schermopname naar bordtoestand
Het project gebruikte de officiële Rummikub-app als spelplatform en legde schermsecties vast met de Python-bibliotheek Pillow. OpenCV-filtering haalde de spelelementen eruit en tekende contouren om individuele stenen te identificeren.
Per steen gebeurden twee aparte voorspellingen: cijferherkenning met een K-Nearest Neighbours-algoritme (waarden 0-13, met 0 voor jokers) en kleurdetectie via RGB-analyse met K-Means-clustering.
Monte Carlo Tree Search voor optimale zetten
Monte Carlo Tree Search simuleerde mogelijke speltoestanden om optimale zetten te bepalen. Het algoritme evalueerde actiereeksen met een beloningsfunctie: 100 punten voor winst van de speler, het aantal zetten plus 0,5 voor lopende spellen en 0 voor winst van de tegenstander.
Zodra de bordtoestand gereconstrueerd was vanuit de vision-pipeline, kon het algoritme mogelijke zetten verkennen en de meest beloftevolle strategie kiezen.
Ontdek meer
Stageverslag: een spel Qwirkle oplossen met Custom Vision & OpenCV
Een stageproject dat Custom Vision en OpenCV inzet om Qwirkle-tegels te detecteren en optimale zetten te berekenen.
Omgaan met optimalisatieproblemen: FitJSP
Hoe we genetische algoritmes gebruikten om een job-shop schedulingprobleem op te lossen en een online drag-and-droptool bouwden voor interactief planningsbeheer.
Stageverslag: Education Recommender Bot
Stagiair Brecht Noyens bouwde een chatbot die toekomstige studenten de best passende studierichting aanbeveelt. Hij combineerde Microsoft Bot Framework Composer met een Python-aanbevelingsengine op Azure.
