Games · KI · Evolutions-Simulationsspiel / eigenes Projekt

Gene Hive

Eine hexbasierte Simulation einer Insektenkolonie, die Sie beobachten statt befehligen: Autonome Arbeiterinnen sammeln Nahrung, bauen, pflanzen sich fort und verteidigen das Nest, und Verhalten, Körper und das kleine neuronale Gehirn jedes Insekts stammen aus einem Genom, das sich über Generationen weiterentwickelt.

26 Gene pro Insekt

Godot 4.7 C# Genetische Algorithmen Neuronale Netze

Gene Hive folgt einem Insekt in der Nähe der Nectar Vats und des Hive Heart, links das Evolution-Panel (Population, Generationen, genetische Vielfalt, Abstammungslinien, wie stark das Gehirn steuert), rechts das neuronale Netz des ausgewählten Exemplars von den Sinnen bis zu den Zielen

Herausgezoomte Ansicht der Kolonie auf der Hex-Karte mit Gefahren-Overlay, daneben die Entscheidungsdiagnose eines ausgewählten Insekts, die Zeit pro Ziel und sein Genom-Zeichen

Die Hex-Welt bei Nacht mit Rasterlinien und geöffnetem Einstellungspanel: reduzierte Bewegung, Welteffekte, Hex-Rasterlinien, Lebensbalken, Größe der Benutzeroberfläche, Steuerung und Lautstärken

Nahaufnahme des Nests: Nest Gate, Chitin Vault, Hive Heart, Resin Store, Wasser- und Brutzellen, zwischen denen Insekten Ressourcen transportieren

Statistikpanel nach 248 Generationen mit Population, genetischer Vielfalt, Prädationsdruck und wie stark das Gehirn steuert, neben einer weiten Ansicht der Kolonie

Rolle: Autor, Entwickler & Inhaber
Plattform: Windows (Godot)
Status: Spielbare Grundlage, in Entwicklung
Workflow: KI-gestützt, agentengesteuert

Überblick

Der Spieler ist Beobachter, mit einer klassischen Strategiespiel-Kamera über einer Hex-Welt. Die Insekten entscheiden selbst: Sie stillen Hunger, Durst, Müdigkeit und soziale Bedürfnisse, sammeln Nektar, Wasser und Harz für die Kolonie, ziehen Brut auf und wehren Spinnen ab. Was diese Entscheidungen antreibt, wird vererbt, sodass eine Kolonie nach und nach besser darin wird, am Leben zu bleiben.

Gene, die man sieht

Verhaltensgene bestimmen, wie bereitwillig ein Insekt Nahrung sucht, Verwandten hilft, Futter teilt, Alarm schlägt oder auf die Bedürfnisse der Kolonie reagiert
Morphologiegene verändern den Körper selbst: Augen, Beine, Hinterleib, Mundwerkzeuge, Fühler, Panzerung und Abwehrstacheln, jeweils mit echter Auswirkung auf Wahrnehmung, Geschwindigkeit, Tragkraft, Krankheitsresistenz oder Kampf
Ein kleines neuronales Gehirn (11 Eingänge, 4 versteckte Neuronen, 11 Ausgänge) steuert die Entscheidungen neben einer von Hand definierten Bewertung mit und lernt während der Lebenszeit des Insekts
Gemalte Körper, aufgebaut aus einem von Artists bearbeitbaren Teile-Rig, zeigen jedes vererbte Merkmal, und auch das Alter ist sichtbar: Frisch geschlüpfte Arbeiterinnen wirken kleiner und blasser

Eine lebendige Welt

Jahreszeiten, Wetter und ein Tag-Nacht-Zyklus beeinflussen Durst, Pflanzenwachstum und Ernteerträge
Pflanzen wachsen nach, und Kadaver zersetzen sich wieder zu fruchtbarem Boden
Pheromonspuren nach Art der Ameisen, Pilzsporen, denen die Insekten auszuweichen lernen, und umherstreifende Spinnen als Fressfeinde, die sich anschleichen, angreifen und zurückziehen
Soziales Verhalten entsteht von selbst, statt geskriptet zu sein: Futterteilen, gegenseitige Körperpflege, Alarmrekrutierung und gemeinsame Verteidigung
Zwei gesunde erwachsene Tiere mit genug gespeicherter Nahrung zeugen eine genetisch gekreuzte Brut; Zuwanderer verhindern, dass der Genpool versiegt

Auf Messbarkeit ausgelegt

Die Simulation läuft auf einem festen, deterministischen 60-Hz-Takt mit geseedeten Zufallsströmen, sodass sich jeder Durchlauf exakt reproduzieren und mitten im Lauf speichern lässt. Dieselben Regeln laufen auch headless für die Offline-Evolution: Ein genetischer Algorithmus (optional mit NSGA-II-Mehrzielselektion) trainiert Champion-Strategien, und reine Test-Tools spüren Exploits auf, messen den Durchsatz und vergleichen Durchläufe über Seed-Banks hinweg.